Desenvolvimento de software para determinação do status de nitrogênio da planta por meio de processamento imagens

Software development to determination of plant nitrogen status by using image processing

ABSTRACT - The aim of this work is to develop a software for image processing, to determine the plant nitrogen status. The software was implemented in Python language integrated to the Opencv 2.7 library. The images were obtained in real time through a Sony digital camera with resolution of 12 megapixel interpolated, coupled to the computer. The images obtained by the camera were segmented into frames. The implemented software was able to identify the leaves, as well as the range of variation of green (RGB). Those steps are essential to compare the RGB values obtained by the software with the plant nitrogen content to be determined in the laboratory.

---

Introdução

A Tecnologia da Informação (TI) aliada a eletrônica tem contribuído substancialmente para o Agronegócio, por meio da geração de ferramentas auxiliares ao manejo e tomada de decisão na propriedade. O uso de tais ferramentas tem agregado praticidade e facilidade na execução de determinadas tarefas operacionais, aumentando a competitividade do mercado e estimulando o aprimoramento de todos os que nela estão inseridos. A amplificação do conceito de agricultura/pecuária de precisão estimulou significativa inclusão da TI com o objetivo de reduzir custos de produção, monitoramento de performance e mapeamento de produtividade, bem como monitoramento de ambientes, e adoção de sistemas autônomos e sensoriamento remoto para monitoramento de atributos de solo e manejo de adubação.

No Brasil, sistemas baseados em pastagens compreendem a maior parte do cenário de produção de ruminantes. Entretanto, o monitoramento da necessidade nutricional das especies forrageiras, bem como a realização de adubação de manutenção são inexpressivos. O desenvolvimento de ferramentas que identificam o status nutricional das plantas de forma rápida e fácil contribuiria sobremaneira para aumentos em produtividade e eficiência de produção em sistemas de pastagens. Assim, esse trabalho descreve o desenvolvimento de software de processamento digital de imagem para análise do status de nitrogênio em pastagens.

---

Revisão Bibliográfica

As limitações aos aumentos em produtividade, particularmente das pastagens, estão amplamente ligadas a restrições de nutrientes. O desenvolvimento de ferramentas computacionais tem contribuído para identificação de pontos críticos dos sistemas de produção, permitindo a utilização racional de fertilizantes, por meio do monitoramento do status nutricional das culturas. Atualmente, é possível obter a interpretação de resultados de análise de solo e determinação de carência nutricional para as principais culturas agrícolas, tais como soja, milho, tomate, batata, girassol e maçã. Em manga e goiaba os softwares existentes também realizam o diagnóstico do estado nutricional, embora seja necessário o resultado da análise química de folhas (ROZANE, 2013).

Entre as ferramentas disponíveis para diagnóstico da pastagem, a EMBRAPA Pecuária Sudeste lançou recentemente o software Adubapasto, que tem por finalidade elaborar recomendações de calagem e determinar as quantidades de fertilizantes necessárias. Para tanto, o sistema precisa ser alimentado com as informações especificas fornecidas pelo produtor (RETI, 2016). Longui e Vitória (2011) também descreveram um software, desenvolvido em linguagem Delphi, que aponta as necessidades de nitrogênio, fósforo, potássio e as quantidades de corretivos de acidez do solo para formação e manutenção de pastagens, gerando um laudo contendo informações sobre a quantidade necessária. Neste caso, também é necessário fornecer os resultados da análise de solo e informações sobre o nível tecnológico da propriedade, além da necessidade de realização de análises químicas das folhas obtidas em laboratório.

O desenvolvimento de um software que seja capaz de estimar a concentração de nutrientes da folha diagnóstica (MONTEIRO, 2005) a partir de uma imagem obtida em campo, consiste em uma ferramenta passível de ser utilizada de forma rápida e fácil pelos produtores para monitoramento do status nutricional da pastagem. O uso desta ferramenta dispensa a necessidade de análise laboratorial de tecidos ou da análise de solo, uma vez que já retorna ao produtor se a planta possui status deficiente ou suficiente de um dado nutriente. Além disso, seria possível o monitoramento por quadrante de uma dada área, aumentando a viabilidade da adubação e contribuindo para redução de custos, uma vez que a adubação poderá ser realizada apenas nas áreas onde a pastagem encontra-se deficiente, ao invés da área total.

---

Materiais e Métodos

O experimento foi realizado na Faculdade de Zootecnia e Engenharia de Alimentos da Universidade de São Paulo (FZEA-USP), Campus Fernando Costa, Estado de São Paulo, Brasil (21º 36’ N; 47º 15’ W, 620 m de altitude). A espécie forrageira analisada pelas imagens foi a Brachiaria decumbens cv. Basilisk, implantada em novembro de 2012 em parcelas de 80 m². Ao longo do verão foram coletadas aleatoriamente cerca de 100 g das folhas mais jovens completamente expandidas (folha diagnostica) em 5 parcelas experimentais.

Logo após a coleta, as amostras de folhas foram dispostas em uma bandeja de fundo branco, evitando-se sobreposição de folhas, a partir da qual foram obtidas as imagens. Para tanto, foi utilizada uma câmera digital Sony com resolução de 12 megapixels interpolada, acoplada ao computador. Para o desenvolvimento do sistema utilizou-se o software LiClipse 3.4.0 como ambiente de programação na linguagem Python, juntamente com a biblioteca Opencv 2.7. As imagens obtidas pela câmera foram segmentadas em frames. Após esse processo, foi aplicado o filtro ‘COLOR_BGR2GRAY’ para transformar os quadros obtidos em escala de cinza (HOWSE, 2013).

Para a identificação da superfície das folhas a serem analisadas foram implementados dois filtros, sendo que o primeiro utilizou limitadores de tons de verde coincidentes com o espectro clorofilado da planta e o segundo consistiu em uma máscara ‘findContours’ que identifica o contorno da área da folha e desenha as bordas, ou seja, define a superfície foliar. A correlação entre esses dois filtros tornou possível identificar a presença de plantas (folhas).

A fim de melhorar a qualidade das imagens utilizaram-se os filtros ‘erode’ e ‘dilate’ para preencher o espaço interno do contorno, aumentando assim, sua nitidez (BRADSKI, 2008), bem como a função “cv2.boundingRect” a qual delimita a folha através de um retângulo, identificando-a com maior precisão. Após a delimitação da área foliar, utilizou-se a função ‘(b,g,r)=frame[x,y]’ para identificar as cores RGB presentes em cada pixel e determinar o espectro verde. Por fim, utilizou-se a função ‘cv2.imshow()’ para mostrar em tempo real a identificação das plantas, bem como o seu espectro de cores. Os valores de RGB estimados para cada espectro verde serão posteriormente correlacionados com os teores de nitrogênio determinados em Laboratório.

---

Resultados e Discussão

A Figura 1 demonstra o contorno da máscara criada utilizando os filtros para o processamento das imagens adquiridas pelo sistema. Utilizando a função ‘cv2.boundingRect’ desenhou-se um retângulo para demonstrar visualmente as plantas que foram identificadas pelo software. Essa etapa é essencial para o cálculo posterior dos valores de RGB. Se o software não for capaz de adequadamente identificar o contorno da folha, partes da superfície a partir da qual a imagem foi obtida podem ser tomadas como área de folhas e, assim, interferir nos valores de RGB.

Após a delimitação da área foliar e com o uso das funções ‘(b,g,r)=frame[x,y]’ e ‘cv2.imshow()’ o sistema identificou o espectro verde e a Figura 2 exemplifica a aquisição de imagens em tempo real e a identificação de cores (RGB).

A quantidade de nitrogênio presente na planta influência diretamente sua coloração, pois o nitrogênio atua na síntese de pigmentos clorofilados. Sendo assim, podemos correlacionar o espectro verde presente, com o grau de nitrogênio infuso na folha da planta (WOLFF; FLOSS, 2008). A utilização de câmeras digitais para análise de plantas consistiria em alternativa às análises laboratoriais, sendo um método rápido, barato e acessível ao produtor, além de ser um método não destrutivo e que permite o armazenamento das imagens em bancos de dados para avaliações futuras.

Figura 1 – Delimitação das folhas para identificação do gradiente de verde

Figura 2 –  Obtenção do gradiente de verde (RGB) na amostra

---

Conclusões

O software desenvolvido foi capaz de reconhecer as folhas, delimitar a superfície foliar, bem como correlacionar o espectro de verde proveniente da coleta de imagem com o RGB correspondente. Esses valores foram armazenadas em uma base de dados com as imagens coletadas para posterior análise e comparação com os resultados obtidos em Laboratório. O software ainda está em fase de desenvolvimento, sendo que após concluído consistirá em importante ferramenta na determinação do status de nitrogênio da planta.

---

Gráficos e Tabelas

---

Referências

BRADSKI, Gary; KAEHLER, Adrian. Learning OpenCV: Computer vision with the OpenCV library. " O'Reilly Media, Inc.", 2008.

HOWSE, Joseph. OpenCV Computer Vision with Python. Packt Publishing Ltd, 2013.

LONGUI, Flávio Coutinho; VITÓRIA, Edney Leandro da. Desenvolvimento de um software para recomendação de calagem e adubação de pastagens. Disponível em < http://www.conhecer.org.br/enciclop/2011b/ciencias%20agrarias/desenvolvi mento%20de%20um %20software.pdf >. Acesso em 30/09/2016.

MARENGONI, Maurício; STRINGHINI, Stringhini. Tutorial: Introdução à visão computacional usando opencv. Revista de Informática Teórica e Aplicada, v. 16, n. 1, p. 125-160, 2009.

MONTEIRO, F. A. Amostragem de solo e de planta para fins de análises químicas: métodos e interpretação de resultados. In: Simpósio sobre Manejo da Pastagem, 22, 2005, Piracicaba, SP, Anais. Piracicaba: FEALQ, 2005.

RETI, Jorge. Embrapa faz registro de software para garantir bom funcionamento e acesso gratuito. 2016. Disponível em < http://www.cppse.embrapa.br/embrapa-faz-registro-de-software-para-garantir-bom-funcionamento-e-acesso-gratuito > Acesso em 01/10/2016.

ROZANE, Danilo Eduardo. Softwares gratuitos avaliam estado nutricional de culturas. 2013 Disponível em < http://unesp.br/portal#!/noticia/11544/softwares-gratuitos-avaliam-estado-nutricional-de-culturas/ >. Acesso em 30/09/2016.

SANTOS, Thiago Teixeira. SciPy and OpenCV as an interactive computing environment for computer vision. Revista de Informática Teórica e Aplicada, v. 22, n. 1, p. 154-189, 2015.