Determinação do "status" nutricional de nitrogênio no feijoeiro utilizando imagens digitais coloridas

Abstract

Resumo A concentração gravítica corresponde a uma das mais antigas e importantes formas de processamento mineral, sendo utilizada para beneficiar uma grande variedade de minérios. Neste contexto, a melhor maneira de investigar e prever resultados de processos gravíticos é a chamada "curva de lavabilidade". Estas curvas apresentam a distribuição das partículas de um dado um material segundo as suas densidades e são construídas a partir de dados experimentais obtidos nos denominados testes de flutua-afunda. Para a realização destes testes são utilizados líquidos com diferentes densidades, os quais correspondem a substâncias muito tóxicas, voláteis, de difícil manuseio e, na maioria dos casos, muito caras. Além disto, por não existirem líquidos com densidades muito elevadas, os mesmos não podem ser usados no fracionamento de sulfetos ou óxidos metálicos, o que restringe o uso das curvas de lavabilidade a materiais leves. Pensando nisto, procedeu-se ao desenvolvimento do presente trabalho, cujo objetivo é apresentar uma nova metodologia para a construção das curvas de lavabilidade a partir da análise de imagens digitais. Com esta metodologia será possível construir curvas de lavabilidade de uma maneira mais rápida e segura, além de tornar possível a aplicação desta ferramenta para minérios que possuam partículas com densidades mais elevadas. Palavras-chave: Beneficiamento mineral; Separação gravítica; Curvas de lavabilidade; Análise de imagens digitais. DETERMINATION OF WASHABILITY CURVES USING DIGITAL IMAGE ANALISYS Abstract The gravity concentration corresponds to one of the oldest and most important techniques of mineral processing and it is used to process a large variety of ores. In this context, the best way of investigating and predicting results of gravity concentration processes is "washability curve". This curve shows the distribution of particles of a given material according to their densities and it is constructed from experimental data obtained under ideal conditions in so-called sink-float tests. For performing these tests dense liquids with different densities are used, which correspond to very toxic, volatile, unwieldy and, in most cases, very expensive substances. Furthermore, because there are no dense liquids with very high densities, they cannot be used in fractionation of sulfides or metal oxides, which restricts the use of washability curves to lightweight materials. With this in mind, this work was developed. The objective here is to present a new methodology for the construction of the washability curves from digital image analysis. With this method it will be possible to build washability curves in a more quickly and safely way, making possible the application of this tool for ores having particles with higher densities.

Uso de índices de reflectância das folhas para avaliar o nível de nitrogênio em grama-bermuda

“…Já os valores de RGB obtidos com a análise da imagem de câmera fotográfica digital sofrem influência da intensidade da luz solar, que varia com o decorrer do dia e do ano. Segundo BAESSO et al (2007), o valor digital do pixel é função do sistema óptico (câmera e lente), da iluminação, da posição relativa planta-sensor-iluminação e das propriedades espectrais da planta. Neste estudo, o sistema óptico e a posição relativa planta-sensor-iluminação para obtenção da imagem digital com a câmera foram controlados; no entanto, a iluminação não foi controlada para tornar a medida mais prática.…”

Use of artificial vision techniques for diagnostic of nitrogen nutritional status in maize plants

“…Burks et al (2005) used the same algorithm to study the recognition of weeds plants. Baesso et al (2007) assessed the use of spectral indices, taken from digital images, to discriminate different doses of nitrogen in common bean. Sena Júnior et al (2008) identified through image analysis nutritional stages of wheat plants.…”

Use of Remote Sensing in Precision Agriculture: A Bibliometric Analysis

“…Dentro do nível terrestre, por exemplo, 33% das publicações estiveram voltadas para estudos como a discriminação de deficiência de nitrogênio em feijoeiros (BAESSO et al, 2007), em trigo (SENA JÚNIOR et al, 2008), em algodoeiro (MOTOMYA et al, 2009) etc; enquanto que outros 33% procuraram discriminar as variações espaciais e temporais das propriedades físicas e químicas do solo. Outros trabalhos de importância na área que afirmam esses resultado foram desenvolvidos por Demattê et al (2005) e Fiorio et al (2010).…”