Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/28066
Title: Processamento de imagens hiperespectrais para diferenciação dos agentes causais da antracnose e ramulose do algodoeiro.
Other Titles: Processing of hyperspectral images to differentiate the causal agents of cotton anthracnose and ramulose.
???metadata.dc.creator???: AIRES, Priscila Simone Ribeiro.
???metadata.dc.contributor.advisor1???: GOMES, Josivanda Palmeira.
???metadata.dc.contributor.advisor2???: MEDEIROS, Everaldo Paulo de.
???metadata.dc.contributor.referee1???: ARAÚJO, Alderi Emídio de.
???metadata.dc.contributor.referee2???: FIGUEIREDO NETO, Acacio.
???metadata.dc.contributor.referee3???: AZEVEDO, Marcia Rejane de Queiroz Albuquerque.
???metadata.dc.contributor.referee4???: OLIVEIRA, Líbia de Sousa Conrado.
Keywords: Processamento de imagens hiperespectrais;Imagens hiperespectrais;Algodoeiro;Antracnose - algodoeiro;Ramulose - algodoeiro;Cultura do algodoeiro;Cultura do algodão;Taxonomia de fungos;Microrganismos;Hiperespectroscopia;Análise multivariada;Fungos;Hyperspectral image processing;Hyperspectral imaging;Cotton;Anthracnose - cotton plant;Ramulose - cotton plant;Cotton crop;Cotton culture;Taxonomy of fungi;Microorganisms;Hyperspectroscopy;Multivariate analysis;Fungi
Issue Date: Jun-2016
Publisher: Universidade Federal de Campina Grande
Citation: AIRES, Priscila Simone Ribeiro. Processamento de imagens hiperespectrais para diferenciação dos agentes causais da antracnose e ramulose do algodoeiro. 2016. 85f. (Tese de Doutorado) Programa de Pós-Graduação em Engenharia Agrícola, Centro de Tecnologia e Recursos Naturais, Universidade Federal de Campina Grande - Paraíba - Brasil, 2016. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/28066
???metadata.dc.description.resumo???: Esse trabalho descreve um novo método para diferenciação de forma precisa e rápida dos fungos C. gossypii (CG) e C. gossypii var. cephalosporioides (CGC) crescidos em meio de cultura utilizando imagens hiperespectrais NIR e análise multivariada de reconhecimento de padrões. Foram empregados 5 isolados de CG e 46 de CGC. . Os diferentes isolados de CG e CGC foram cultivados em meio Czapek-agar com 12 h de fotoperíodo durante 15 dias. As medidas espectrais foram realizadas entre 1000 a 2500 nm, com 256 bandas, com uma câmera de alta performance com lente de 50 mm. Os modelos de reconhecimento de padrão foram desenvolvidos com as estratégias de APSLDA e SIMCA. As amostras foram separadas usando o algoritmo de seleção de amostras em três conjuntos com o número de amostras: 3, 1 e 1 para CG e 20, 8, 18 para CGC, totalizando 23 (Teste), 9 (Validação) e 19 (Predicão) que somam 51 amostras dos fungos CG e CGC. Os resultados de predição evidenciaram um erro tipo II para o conjunto CG no modelo SIMCA. Enquanto com o APS-LDA não ocorreram erros de classificação. No conjunto CGC com um número de 18 amostras de predição não foram verificados erros do tipo I e II empregando as estratégias do APS-LDA e SIMCA. Uma validação paralela dos resultados obtidos com APS-LDA foi realizada com análise de BoxPlot com as variáveis selecionadas pelo APS. Os resultados foram concordantes sem evidência de outlies. Portanto, um novo procedimento HSI e APS-LDA para diferenciação dos agentes etiliológicos CG e CGG é proposto com as vantagens de maior capacidade analítica com múltiplas análises e menor custo observando-se grandes números de amostras, rapidez e facilidade de implementação.
Abstract: This work describes a new method for identification and classification as the precise and rapid C. gossypii (CG) and C. gossypii var. cephalosporioides (CGC) grown in culture medium using hyperspectral NIR images and multivariate pattern recognition. Five isolates were employees of CG and 46 of CGC. The different isolates of CG and CGC were cultured in Czapek agar with 12 h photoperiod for 15 days. The spectral measurements were performed between 1000 and 2500nm, with 256 bands with a highperformance camera with a 50 mm lens. The pattern recognition models were developed APS LDA and SIMCA strategies. The samples were separated using the sample selection algorithm in three sets the number of samples: 3, 1 and 1 for CG and 20, 8, 18 to CGC, totaling 23 (Test), 9 (Validation) and 19 (PREDICTION ) totaling 51 samples of CG and CGC fungi. The prediction results showed a type II error for the CG set in the SIMCA model. As with the APS-LDA there were misclassifications. CGC conjunction with a number of 18 prediction samples were not observed errors of type I and II using the strategies APS-LDA and SIMCA. A parallel validation of the results obtained with APS-LDA was performed with BoxPlot analysis with the variables selected by the APS. The results were consistent with no evidence of outlies. Therefore, a new procedure HSI and APS-LDA for identification and classification of etiliológicos agents CG and CGG is proposed with the advantages of greater analytical capacity with multiple analyzes, lower cost observing large numbers of samples, speed and ease of implementation.
Keywords: Processamento de imagens hiperespectrais
Imagens hiperespectrais
Algodoeiro
Antracnose - algodoeiro
Ramulose - algodoeiro
Cultura do algodoeiro
Cultura do algodão
Taxonomia de fungos
Microrganismos
Hiperespectroscopia
Análise multivariada
Fungos
Hyperspectral image processing
Hyperspectral imaging
Cotton
Anthracnose - cotton plant
Ramulose - cotton plant
Cotton crop
Cotton culture
Taxonomy of fungi
Microorganisms
Hyperspectroscopy
Multivariate analysis
Fungi
???metadata.dc.subject.cnpq???: Engenharia de Agrícola
URI: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/28066
Appears in Collections:Doutorado em Engenharia Agrícola.

Files in This Item:
File Description SizeFormat 
PRISCILA SIMONE RIBEIRO AIRES - TESE PPGEA CTRN 2016.pdfPriscila Simone Ribeiro Aires - Tese PPGEA CTRN 2016.2.36 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.