Detalhes bibliográficos
| Ano de defesa: |
2022 |
| Autor(a) principal: |
Marochi, Rodrigo Mores
 |
| Orientador(a): |
Jaccoud Filho, David de Souza
|
| Banca de defesa: |
Dalla Pria, Maristella
,
Guimarães, Alaine Margarete
|
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Estadual de Ponta Grossa
|
| Programa de Pós-Graduação: |
Programa de Pós-Graduação em Agronomia
|
| Departamento: |
Departamento de Agronomia
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
http://tede2.uepg.br/jspui/handle/prefix/3810
|
Resumo: |
A identificação de patógenos em áreas de produção agrícola é uma ferramenta que auxilia no controle localizado e na sua disseminação, diminuindo o custo do controle e de forma menos agressiva ao meio ambiente. O trabalho teve como objetivo avaliar o uso de imagens obtidas por RPA para identificação de manchas em lavouras de soja (Glycine max) ocasionadas por patógenos de solo em duas safras na região de Ponta Grossa e uma safra em Wenceslau Braz, Estado do Paraná. Nos dois locais de estudo foi selecionado área de 4 hectares para realização da coleta de dados a campo, onde foram divididas em 80 grades amostrais, mensurando 500 m2 cada grade amostral com o dimensionamento de 20 x 25 m. O RPA utilizado foi Inspire 2 da Dji com a câmera Sentera Double 4K (multiespectral). Foram avaliados a campo a identificação de sintomas de mancha em lavoura de soja, ocasionadas por patógeno de solo, a identificação dos patógenos, altura de planta, população e produtividade em kg ha-1 . Foram processados os algoritmos de machine learning no software Weka e SynthesisFS. A verificação do melhor algoritmo foi pelo maior índice de coeficiente de correlação em relação ao atributo de plantas com patógenos e sem patógenos, utilizando-se o teste de normalidade de Shapiro-Wilk para verificar se os dados que foram trabalhados eram paramétricos ou não, de acordo com os resultados das análises. Para os valores não paramétricos foi utilizado o teste de Wilcoxon para verificar a diferença entre as populações dos quadrantes com e sem patógenos de solo e, para os dados paramétricos foi utilizado o test T de Student. Os patógenos encontrados nas áreas durante as duas safras, nos dois locais de estudo, foram Furarium spp, Macrophomina phaseolina e Phomopsis spp, que afetaram a produtividade. Os algoritmos mostraram a importância do uso dos valores de reflectância das bandas nos dois locais de estudo com ênfase nos índices de NDVI e NDRE. Foi possível geral um modelo de classificação com algoritmo J48, baseado em árvores, com validação cruzada 5 folds com índices de acerto acima de 80% nos dois locais, considerado eficiente para identificar as reboleiras ocasionadas pelos patógenos de solo na cultura da soja. |
