Mora, AndréFonseca, JoséMestre, David Alexandre Fernandes2017-09-192017-09-192017-032017http://hdl.handle.net/10362/23415Processamento 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.porCulturas de plantas in-vitroSegmentação de plantasProcessamento digital de imagemAprendizagem AutomáticaRandom forestmaster thesis