A carregar...
Publicação
Monitorização de crescimento de plantas cultivadas in-vitro usando processamento digital de imagem
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 9.87 MB | Adobe PDF |
Orientador(es)
Resumo(s)
Processamento digital de imagem pode desempenhar um papel importante no estudo
e monitorização de plantas, permitindo medir as suas características sem recorrer a métodos invasivos ou exaustivos. Em culturas de plantas in-vitro, as condições de cultura são determinantes para a evolução das plantas, sendo a monitorização das culturas uma ferramenta importante para avaliar o desempenho de cada ensaio de novas condições.
Nesta dissertação apresentamos um sistema de visão computacional e aprendizagem
supervisionada para monitorização de plantas in-vitro, contribuindo para a avaliação da performance da produção em diferentes condições de crescimento, como por exemplo, o melhoramento do meio de cultura conforme as necessidades de cada espécie.
Como caso de estudo, foi analisada a produção de plantas in-vitro, adquirindo semanalmente imagens no espetro visível e infravermelho-próximo.
O método proposto pré-processa, regista e normaliza as imagens adquiridas de cada
recipiente, sendo depois segmentadas através de uma Random Forest que classifica pixeis como planta ou não-planta. No final é exportada a área total das plantas e o NDVI médio de cada sessão de monitorização. Foi criada uma interface gráfica para carregar e processar as imagens adquiridas de um recipiente.
A validação do método foi realizada com um conjunto de imagens em que a segmentação das plantas foi realizada manualmente. Apresentou valores de precisão de 96.9%, 96.8% sensibilidade e 96.9% especificidade. Nos resultados obtidos foi possível detetar diferentes comportamentos no crescimento das plantas de cada recipiente. Verificou-se também que a taxa de crescimento da área das plantas de um recipiente acompanhou a sua taxa de crescimento da vitalidade dada pelo NDVI médio.
Descrição
Palavras-chave
Culturas de plantas in-vitro Segmentação de plantas Processamento digital de imagem Aprendizagem Automática Random forest