Nitrogen recommendation in wheat using machine vision techniques

O principal objetivo da Agricultura de Precisão é otimizar o uso de insumos, sendo o nitrogênio tema de diversos trabalhos. Esse interesse decorre de seu custo elevado, risco de contaminação ambiental, potencial de resposta das culturas e dificuldade de quantificação de sua disponibilidade no solo. Uma estratégia utilizada para identificar a disponibilidade de nitrogênio no solo é utilizar as plantas como indicadoras, explorando as características espectrais dos pigmentos foliares. Têm sido empregados medidores de clorofila e a medição da reflectância da cultura por meio de radiômetros ou câmeras, porém acredita-se que os sistemas de visão artificial tornem-se a opção mais viável. Poucos trabalhos exploram outras características das imagens como a textura ou a associação de informações de mais de um índice espectral. O objetivo do presente trabalho foi discriminar a necessidade de nitrogênio em trigo a partir da resposta espectral do dossel no visível e no infravermelho próximo, associada ou não a características de textura das imagens do dossel. Outro fator avaliado foi a associação de informações de imagens processadas por mais de um índice espectral em classificadores multivariados. A cultura do trigo foi implantada no campo em parcelas com adubação de plantio uniforme e duas adubações em cobertura, aos 15 e aos 35 dias após a emergência (DAE) totalizando cinco doses (0, 30, 60, 90 e 120 kg de N.ha -1 ). Plantas de trigo foram cultivadas ainda em vasos, submetidas às cinco doses de N aplicadas dois DAE. Imagens foram obtidas utilizando uma câmera digital Duncantech MS 3100, em três épocas no campo: 8, 14 e 20 dias após a adubação em cobertura (DAA) e nos vasos aos 43 DAE. O teor de clorofila foliar foi estimado utilizando-se um medidor de clorofila SPAD 502 e o N foliar determinado por análises laboratoriais. Avaliou-se a relação funcional entre as doses de N aplicadas, os valores SPAD e os valores de N foliar, nas plantas cultivadas no campo e em vasos. As imagens foram processadas obtendo-se nove imagens-índice, sendo quatro combinando as bandas do visível e cinco combinando bandas do visível e o infravermelho próximo. De cada imagem-índice das parcelas foram extraídas a média dos valores dos pixels e cinco medidas de textura (2o, 3o, 4o, 5o e 6o momentos do histograma), formando um vetor de características para cada imagem original. Das imagens dos vasos, processadas com os nove índices, foram criados vetores com a média dos pixels na imagem e a média dos pixels representando folhas. Classificadores estatísticos foram desenvolvidos para discriminar as classes definidas pelas doses de N utilizando para combinações dos nove índices. Os classificadores foram avaliados com a elaboração da matriz de erros com a técnica de validação cruzada deixando uma amostra de fora e cálculo do coeficiente kappa e exatidão global. Os valores SPAD e os valores de N foliar também foram utilizados para desenvolver classificadores e a exatidão da classificação acessada da mesma forma. Nos dois experimentos observou-se variação nos valores SPAD durante o desenvolvimento das plantas, o que dificulta o estabelecimento de valores críticos para identificar a deficiência ou suficiência de N. Utilizando-se os valores SPAD, foram necessários pelo menos 14 DAA para discriminação entre as doses de N. No experimento em vasos, uma discriminação adequada utilizando-se os valores SPAD só foi conseguida aos 27 DAE. Com a utilização das imagens, no campo foi possível discriminar as doses de N aos oito DAA, não se observando benefício pela utilização das características de textura. Aos 14 DAA, não houve diferença significativa entre os classificadores utilizando imagens e os valores SPAD, assim como entre esses e o classificador desenvolvido com os valores de N foliar aos 20 DAA. A associação de características provenientes de diferentes índices espectrais mostrou-se benéfica, uma vez que as melhores classificações foram obtidas com classificadores multivariados. De acordo com os resultados obtidos, verificou-se que é possível nas condições em que o trigo foi cultivado no campo, identificar e corrigir a deficiência de N durante o ciclo da cultura do trigo sem prejuízo à produtividade.The main goal of Precision Agriculture is to optimize the use of resources, and nitrogen has been the subject of several works. This interest comes from its cost, possibility of environmental pollution, response of the crops and difficulty of measurement of its availability on the soil. One strategy that has been focused is the use of the plants as sensors, taking advantage of the spectral properties of the pigments on the leaves, specially the chlorophyll. Chlorophyll meters and the crop reflectance measurement, using radiometers or cameras, have been used but probably cameras could be the most viable option. However, few works use other features on the images beside the reflectance, as the texture or the use of data extracted from more than one spectral index together. The objective of this work was to study the nitrogen doses discrimination from the spectral response of the wheat dossel on visible and near infrared images, associated or not with texture features. Other factor studied was the features association obtained from images processed with more than one spectral index to develop multivariate classifiers. The wheat crop was grown in plots with uniform base fertilizer and two topdressing N fertilization, at 15 and 35 days after emergency (DAE), reaching five doses (0, 30, 60, 90 e 120 kg of N.ha -1 ). Wheat plants were also grown in pots, with the five doses of N applied two DAE. Images were taken using a Duncantech MS 3100 digital camera, at three stages in the field conditions, 8, 14 and 20 days after topdressing fertilization (DAF) and at 43 DAE in pots. The chlorophyll content of the leaves on the field was estimated using a SPAD 502 chlorophyll meter and the total N content of the leaves was determined on samples at laboratory. The relationship between the N applied, the SPAD values and the N content in the of the plants grown in field and on the pots was evaluated. The images were processed so that nine index images were obtained, four using the visible bands and five using the visible bands and the near infrared band. From each index image were extracted the pixel’s mean value and five texture measurements (2 nd , 3 rd , 4 th , 5 th and 6 th moments of the histogram), so that a vector of features was created from each original image. From the images of the plants in pots, processed with the nine indexes, were created vectors of features with the mean value of the pixels on the image and the mean value of the pixels representing leaves. Statistical classifiers were developed to discriminate the classes defined by the N doses using combinations of the nine indexes. The classifiers were evaluated using the leaving one out cross validation technique, creating the error matrix and the overall accuracy and the kappa index calculation. The SPAD values and the N content were also used to develop classifiers and the accuracy of the classification accessed using the same technique. In both experiments, SPAD values variation was noticed during the growth of the plants, a fact that makes difficult the establishment of critical SPAD values to identify the deficiency or sufficiency of N. When the SPAD values were used, at least 14 DAF were necessary to discriminate between the N doses. In the experiment with pots, a good discrimination using the SPAD values was obtained only at 27 DAE. Using the images, in field condition it was possible to discriminate the N doses at eight DAF with no benefit of the use of texture features. At 14 DAF there was no difference between the classifiers using images and SPAD values. At 20 DAA, there was also no difference between these classifiers and the classifier developed using the N content of the leaves. The association of features from different spectral indexes had shown benefits, since the best results were obtained from multivariate classifiers. It was verified that it is possible to identify and correct the nitrogen deficiency during the growth station without reduction of the productivity of the wheat, on the growth conditions in field condition.Conselho Nacional de Desenvolvimento Científico e Tecnológic