RESUMO Este estudo baseia-se no princípio de que índices de vegetação (IVs), derivados do modelo de cores RGB obtidos de imagens digitais, podem ser usados para caracterizar assinaturas espectrais e classificar pastos de Brachiaria brizantha cv. Xaraés segundo o status de nitrogênio (N). A partir de dados colorimétricos obtidos de imagens de lâminas foliares adquiridas em campo, três redes neurais artificiais foram avaliadas quanto ao desempenho na classificação do status N: Feedforward Backpropagation (FFBP), Cascade Forward Backpropagation (CFBP) e função de Base Radial (RBFNN). Quatro taxa s de fertilização nitrogenada foram aplicadas para gerar contrastes no teor de N nos tecidos das plantas. As folhas mais jovens completamente expandidas de 60 perfilhos foram destacadas das plantas a cada ciclo de rebrotação de 28 dias, sendo as imagens das folhas e teor de N foliar determinados. As amostras foram classificadas em deficientes (> 17 g N kg-1 de matéria seca (MS)), moderadamente deficientes (de 17,1 a 20,0 g N kg-1 MS) e suficiente (> 20,1 g N kg-1 MS). Os IVs foram selecionados pela análise de componentes principais e o desempenho das redes avaliados pela acurácia. As acurácias nas classificações obtidas pelas redes foram de 88%, 86% e 79% para FFBP, CFBP e RBFNN, respectivamente, indicando que as assinaturas espectrais podem ser determinadas a partir de imagens adquiridas em campo. Assim, o método proposto pode ser utilizado para desenvolver um software de monitoramento do status de N em tempo real, fornecendo uma ferramenta rápida e econômica para definir o momento e quantidade de fertilizantes nitrogenados, conforme demanda da pastagem.

ABSTRACT This study is based on the principle that vegetation indexes (VIs), derived from the RGB color model obtained from digital images, can be used to characterize spectral signatures and classify Brachiaria brizantha cv. Xaraés according to nitrogen status (N). From colorimetric data obtained from leaf blade images acquired in the field, three artificial neural networks were evaluated according to the performance in the classification of N status: Feedforward Backpropagation (FFBP), Cascade Forward Backpropagation (CFBP) and Radial Base function (RBFNN). Four N fertilization rates were applied to generate contrasting N contents in the plants. The youngest completely expanded leaves from 60 tillers were detached at each regrowth cycle of 28 days, thus their images and leaf N content were obtained. Samples were then classified as deficient (>17 g N kg-1 leaf dry matter (DM), moderately deficient (from 17.1 to 20.0 g N kg-1 DM), and sufficient (> 20.1 g N kg-1 DM). The VIs were selected by principal component analysis and the performance of the networks evaluated by the accuracy. The accuracy in classification obtained by the networks were 88%, 86% and 79% for FFBP, CFBP and RBFNN, respectively, indicating that the spectral signatures can be determined from images acquired in the field. So, the proposed method could be used to develop a software that aims to monitor the status of N in real time, providing a fast and inexpensive tool for defining the time and the amount of N fertilizer, according to the pasture demand.

RESUMO A amplitude crítica na concentração foliar de nitrogênio (NFoliar) pode ser utilizada para monitorar o status de N das plantas, sendo ferramenta essencial para definir protocolos de fertilização estratégica, onde o período e quantidades de fertilizantes são aplicados de acordo com a demanda da pastagem. Foram avaliados parâmetros de produtividade e dois métodos para determinação da suficiência em N - (i) o índice de nutrição nitrogenada (INN) e (ii) o índice normalizado de suficiência em N (INS) - em Brachiaria híbrida Mavuno (Brachiaria spp. Syn. Urochloa spp.) ao longo dos ciclos de rebrotação da primeira estação de crescimento após a semeadura (fase de estabelecimento). Os objetivos do estudo foram estimar amplitude crítica do NFoliar para o capim Mavuno através de seus parâmetros de produtividade, considerando a amostragem da folha mais jovem completamente expandida como referência. Os níveis de fertilização adotados foram: 0 (N0), 15 (N15), 30 (N30) e 45 (N45) kg ha-1 de N, e foram aplicados após cada corte. O medidor de clorofila portátil Falker ClorofiLOG® CFL1030 foi utilizado para obter o Índice de Clorofila Falker (ICF), e os resultados foram utilizados para calcular o INS. Análises de regressão, tomando por base cada ciclo de rebrotação, proveram os parâmetros para estimar de amplitude crítica do NFoliar e os níveis de fertilização requeridos para atingir o máximo acúmulo de forragem (FAc). A densidade populacional de perfilhos foi a principal resposta que contribuiu para aumentos em massa de folhas e colmos, índice de área foliar e FAc com aumentos nos níveis de fertilização. O índice ICF e o método NSI não foram capazes de detectar diferenças em NFoliar, mas o NNI foi considerado adequado para detecção do status de N. A amplitude crítica do NFoliar variou de 2,75 a 3,07%, e pode ser indicada para monitorar o status de N da pastagem. O protocolo de fertilização estratégica sugerido para a estação de crescimento sucessiva ao estabelecimento da pastagem corresponde à aplicação de 42,0 a 46,7 kg ha-1 de N no primeiro ciclo de rebrotação, 27,0 a 32,5 kg ha-1 de N durante os dois ciclos subsequentes, mas para ciclos de rebrotação do final da estação de crescimento (abril a maio) apenas 22,2 a 24,7 kg ha-1 de N seriam suficientes para sustentar o máximo acúmulo de forragem.

ABSTRACT The critical range of leaf nitrogen (%NLeaf) concentration can be used to monitor the plant’s nitrogen (N) status, being an essential tool to define strategic fertilization protocols, where the time and amounts of fertilizers are applied according to pasture’s demand. The productivity parameters and two methods to determine N sufficiency - (i) the N nutrition index (NNI) and (ii) the normalized N sufficiency index (NSI) - were evaluated in Brachiaria hybrid Mavuno (Brachiaria spp. Syn. Urochloa spp.) along the regrowth cycles of the first growth season after seeding (establishment phase). The aims of the study were to estimate the critical %NLeaf for Mavuno grass pastures through productivity parameters, considering the sampling of the youngest expanded leaf as reference. Fertilization rates were defined as follow: no-nitrogen (N0), 15 (N15), 30 (N30) and 45 (N45) kg ha-1 of N and were applied after each cutting. The Falker chlorophyll index (FCI) was obtained from a portable chlorophyll meter Falker ClorofiLOG® CFL1030, and results were used to calculate the NSI. The regression analysis, on a regrowth cycle basis, provided the parameters to estimate the critical range of %NLeaf and the fertilization rates to attain the maximum forage accumulation. Population density of tiller was the main response contributing to increasing leaf and stem mass, leaf area index and forage accumulation as N fertilization increased. The FCI and NSI were unable to capture differences in %NLeaf, but NNI was a suitable tool to detect N status in Mavuno grass. The critical %NLeaf range varied from 2.75 to 3.07% and may be indicated to monitor pasture’s N status. The strategic N fertilization protocol suggested for the growth season after seeding is to apply 42.0 to 46.7 kg ha-1 of N at the first regrowth, 27.0 to 32.5 kg ha-1 of N during the two following regrowth cycles, whereas at the end of the season (April to May regrowth) only 22.2 to 24.7 kg ha-1 of N would be enough to sustain a maximum growth.

RESUMO Sistemas de visão computacional baseados no processamento de imagens digitais têm sido propostos como ferramentas alternativas aos métodos tradicionais de estimativa de área foliar, substituindo etapas mais demoradas e medições manuais. No entanto, muitas aplicações disponíveis ainda se baseiam na determinação manual das dimensões foliares ou requerem intervenções excessivas do usuário para obter resultados. O USPLeaf foi planejado para processar imagens de amostras de folhas individuais ou múltiplas e determinar automaticamente a área foliar sem intervenção do usuário. A acurácia nas medidas da área foliar do software foi comparada com os resultados obtidos pelo método padrão, utilizando planímetro eletrônico (LI-3100). As espécies vegetais capim Mavuno (MAV, híbrido de Urochloa) e Macrotyloma axillare (MAC) foram escolhidas por possuírem diferentes formatos do limbo foliar. O dispositivo de captura de imagem utilizado foi a câmera de um smartphone. Quando utilizado uma figura padrão (quadrado em papel preto) de 9 cm², o LI-3100 e o USPLeaf obtiveram elevada acurácia e precisão, com área média de 8,90 e 9,00 cm² e desvio padrão de 0,17% e 0,00%, respectivamente. A taxa relativa de erro para as espécies variou de -6,37 a 2,25%. A análise de regressão indicou que o software foi uma ferramenta precisa na estimativa da área foliar (R² = 0,983 para MAV e 0,977 para MAC), mas apontou que amostras inferiores a 25 cm² para gramíneas e 15 cm² para leguminosas devem ser evitadas. O software pode ser usado como ferramenta automatizada na análise imagens visando a determinação da área foliar.

ABSTRACT Computer vision systems based on digital image processing have been proposed as alternative tools to traditional methods to estimate leaf area, replacing the most time-consuming steps and laboring manual measurements. However, many of the available applications are still based on manual determination of leaf dimensions or require excessive and laborious user interventions before providing results. USPLeaf was designed to process images containing single or multiple leaves, and automatically determine the leaf area without user intervention. The accuracy for leaf area measurements of the software was compared to the results obtained by the standard method, an electronic planimeter (LI-3100). The vegetal species, Mavuno grass (MAV, Urochloa hybrid) and Macrotyloma axillare (MAC), were chosen because they are characterized by different leaf shapes. A smartphone camera was used as image capture device. When using a standard black paper square of 9 cm², both LI-3100 and USPLeaf provided accurate and precise results, with an estimated average area of 8.90 and 9.00 cm² and a standard deviation of 0.17% and 0.00%, respectively. The relative error rate for the vegetal species varied from -6.37 to 2.25%. The regression analysis indicated that the software was a precise tool to estimate leaf area (R²=0.983 for MAV and 0.977 for MAC), but it also revealed that samples inferior to 25 cm² for grasses and 15 cm² for legume species should be avoided. The software can be used as an automated tool in image processing aiming to determine leaf area from digital images.

ABSTRACT: This study examines the development of a system that assists in planning flight activities of the Academia da Força Aérea (AFA) so that meteorological data can be used to predict the occurrence of fog. This system was developed in MATLAB 8.0 by applying multilayer perceptron-type artificial neural networks and using an error correction algorithm called backpropagation. The methodology used to implement the network comprises eight input variables, five neurons in the intermediary layer, and one neuron in the output layer, which corresponds to the presence or absence of fog. The fog phenomenon is very important for the study and definition of flight strategic planning. Data taken from 1989 to 2008 and related to the input variables were used for the training and validation of the proposed network. Consequently, the multilayer perceptron network has a 95% reliability compared with the data collected. This high level of reliability is an exceptional result for the management, planning, and decision making team of the AFA strategic group. Thus, it can be concluded that the proposed system is efficient and will subsidize, with good safety margin, AFA's flight activity planning and could also be applied to other air activities in Brazil.

A monitoragão eletrônica usando redes de sensores sem fio é uma área do conhecimento humano que vêm sendo investigada sob diversos aspectos tanto paxa averiguar seu funcionamento a priori quanto para avaliar suas aplicagões futuras. Este artigo visa, apresentar um projeto simples que permite explorar os conceitos físicos envolvidos na transmissão da informação via tecnologia sem fio.

The electronic monitoring using wireless sensor network is a human knowledge that has boon investigated in order to improve their functional capabilities and incoming applications. This paper aim to present an educational system that able basic physics concept, concerned to the wireless sensor communications, to be more comprehensive.