Identificação de doenças em folhas vegetais da cultura de algodão

Pós-graduação em Ciência da Computação - IBILCE

A manifestação de patógenos nas plantações é a maior causadora de prejuízos nos mais diversos cultivares, podendo ocasionar o aumento dos preços e a perda da qualidade dos produtos cultivados. O quanto antes for identificada a doença, mais cedo é realizado o seu controle através de agrotóxicos, tendendo, dessa forma, a diminuir a sua proliferação e, consequentemente, evitando maiores danos. No entanto, muitas vezes, a inspeção visual dos sintomas apresentados pela ocorrência de patógenos em uma folha de planta, não é considerada o suficiente para avaliar e identificar o tipo de doença que está causando a lesão, sendo necessário, para o diagnóstico da doença, uma análise mais detalhada por um agrônomo ou por meio de um exame laboratorial a partir da amostra da doença. Neste contexto, este trabalho realizou a classificação automática de doenças do algodoeiro, a partir da extração de características dos sintomas foliares apresentados em imagens digitais. Utilizou-se para este processo, a energia da transformada wavelet para extração de características das imagens e para realizar a classificação foi utilizado a Máquina de Vetor de Suporte (MVS). Ao percorrer o sistema final de classificação, uma imagem pode ser classificada entre cinco tipos de diagnósticos diferentes, como sendo “Sadia” (SA), lesionada com as doenças Ramulária (RA), Mancha Angular (MA) e Mancha de Ascochyta (AS), ou identificada pertencente a nenhuma das classes

The expression of pathogens in the plantations is the leading cause of damage in several cultivars, which may cause higher prices and loss of quality of crops. The sooner the disease is identified, the sooner it is done through its control of pesticides, tending thus to reduce their proliferation and thus avoiding further damage. However, often the visual inspection of the symptoms presented by the occurrence of pathogens in a leaf, is not considered enough to assess and identify the type of disease that is causing the lesion, being necessary for the diagnosis of disease, a more detailed analysis by an agronomist or through a laboratory test sample from the disease. In this context, this paper carried the automatic classification of diseases of cotton, from the feature extraction of leaf symptoms presented in digital images. It was used for this process, the energy of wavelet transform to extract features from images and to perform the classification, we used the Support Vector Machine (SVM). By walking through the final system of classification, an image can be classified in five types of different diagnoses, as being Healthy (SA), with the injured Ramularia diseases (RA), Bacterial Blight (MA) and Ascochyta Blight (AS) or belonging to any of the identified classes