CLASSIFICAÇÃO DOS ESTÁGIOS DE CRESCIMENTO DO TIFTON 85 (CYNODON SPP.) UTILIZANDO IMAGENS MULTIESPECTRAIS E REDES NEURAIS ARTIFICIAIS

Ana Lídia Do Nascimento Tralhao; Abel Nero De Azevedo; Bilton Gilberto Nhantumbo; Vitória Côrtes da Silva Souza de Oliveira; GUSTAVO BASTOS LYRA; Anderson Gomide Costa

Título do Trabalho

Autores

Ana Lídia Do Nascimento Tralhao
Abel Nero De Azevedo
Bilton Gilberto Nhantumbo
Vitória Côrtes da Silva Souza de Oliveira
GUSTAVO BASTOS LYRA
Anderson Gomide Costa

Modalidade

Resumo

Área temática

Ciências Agrárias - Engenharia Agrícola

Data de Publicação

27/03/2026

País da Publicação

Brasil

Idioma da Publicação

pt-BR

Página do Trabalho

https://www.even3.com.br/anais/xii-reuniao-anual-iniciacao-cientifica-da-ufrrj-raic/1323522-classificacao-dos-estagios-de-crescimento-do-tifton-85-(cynodon-spp)-utilizando-imagens-multiespectrais-e-redes

ISBN

978-65-272-2302-3

Palavras-Chave

Sensoriamento Remoto; ARPs; Índices de Vegetação; Agricultura de Precisão; Manejo de Pastagens.

Resumo

O manejo eficiente de pastagens é fundamental para a sustentabilidade da pecuária em regiões tropicais. A forrageira Tifton 85, é amplamente cultivado no Brasil devido a sua alta produtividade e adaptabilidade as condições climáticas. O monitoramento sistemático dos atributos da cultura em campo permite identificar variações espaciais e temporais no desenvolvimento das plantas, possibilitando intervenções mais precisas. Esse acompanhamento continuo contribui para a melhoria do manejo da lavoura, otimizando maior eficiência produtiva. Nesse contexto, o uso de sensores remotos, como aeronave remotamente pilotada (ARPs), associados a algoritmos de aprendizagem de maquinas, tem impulsionado o desenvolvimento de técnicas e tecnologias que auxiliam o produtor na tomada de decisão. Esse trabalho teve como objetivo classificar estágios de crescimento do Tifton85 a partir de imagens digitais obtidas por ARP, utilizando redes neurais artificiais. Para realização aquisição das imagens foi utilizado um ARP modelo DJI Phantom 4 Advanced, com uma câmera acoplada com capacidade de aquisição de imagens nas bandas Azul (450nm ±16nm), Verde (560nm ±16nm), Vermelho (650nm ±16nm), Borda do Vermelho (730 ±16nm) e Infravermelho Próximo (840nm ±16nm). A área experimental foi localizada na Fazenda FenoRio/UFFRJ em Seropédica-RJ, apresentando um tamanho de 0,7 ha. A lavoura foi monitorada durante 33 dias, sendo realizados voos para aquisição das imagens nos estágios de crescimento contabilizados após o corte de uniformização: Estágio 1 (10 dias após o corte), Estágio 2 (17 dias após o corte) e Estágio 3 (33 dias após o corte). As imagens foram processadas no software Agisoft Metashape® e calculados sete índices de vegetação (NDVI, GNDVI, NGRDI, RVI, SAVI, VARI e VDVI). Os índices foram calculados em 39 pontos georreferenciados na lavoura. Para a classificação dos estágios de crescimento utilizou-se uma arquitetura de Rede Neural Artificial (RNA) do tipo Perceptron Multicamadas (MLP), desenvolvida na linguagem Python, utilizando a API Keras/TensorFlow, com duas camadas ocultas (6 e 2 neurônios) e função de ativação ReLU. A camada de entrada foi composta pelos índices de vegetação (7) e a camada de saída foi composta pelos estágios de crescimento (3). O modelo foi treinado e validado com dados normalizados (Z-score), utilizando o otimizador “Adam” e função de perda categorical crossentropy. O desempenho do modelo foi avaliado com acurácia, precisão, recall e F1-score. Os resultados demonstraram que a RNA apresentou acurácia de 94% e F1-score ponderado de 0,93. As classes individuais apresentaram F1-scores elevados: Estágio 1 (1,00), Estágio 2 (0,89) e Estágio 3 (0,91). Esses resultados indicaram que a combinação de imagens multiespectrais de ARPs e redes neurais artificiais foi uma ferramenta precisa e eficiente para a classificação automática dos estágios de crescimento do Tifton 85. Esta aplicação pode possibilitar o monitoramento da lavoura em tempo real, subsidiando decisões de manejo mais assertivas, como a definição do momento ideal de pastejo, visando maximizar a produtividade e a sustentabilidade da produção animal. Este estudo representa contribui para o desenvolvimento de inovações tecnológicas aplicada à agricultura de precisão, aumento da eficiência e das práticas sustentáveis do sistema de produção forrageira.

Título do Evento: XII Reunião Anual de Iniciação Científica da UFRRJ (RAIC 2025) & VI Reunião Anual de Iniciação em Desenvolvimento Tecnológico e Inovação (RAIDTec 2025)
Cidade do Evento: Seropédica
Título dos Anais do Evento: Anais da Reunião Anual de Iniciação Científica e Reunião Anual de Iniciação em Desenvolvimento Tecnológico e Inovação da UFRRJ - Justiça climática: por um mundo mais sustentável, justo e igualitário
Nome da Editora: Even3
Meio de Divulgação: Meio Digital

Como citar

TRALHAO, Ana Lídia Do Nascimento et al.. CLASSIFICAÇÃO DOS ESTÁGIOS DE CRESCIMENTO DO TIFTON 85 (CYNODON SPP.) UTILIZANDO IMAGENS MULTIESPECTRAIS E REDES NEURAIS ARTIFICIAIS.. In: Anais da Reunião Anual de Iniciação Científica e Reunião Anual de Iniciação em Desenvolvimento Tecnológico e Inovação da UFRRJ - Justiça climática: por um mundo mais sustentável, justo e igualitário. Anais...Seropédica(RJ) UFRRJ, 2025. Disponível em: https//www.even3.com.br/anais/xii-reuniao-anual-iniciacao-cientifica-da-ufrrj-raic/1323522-CLASSIFICACAO-DOS-ESTAGIOS-DE-CRESCIMENTO-DO-TIFTON-85-(CYNODON-SPP)-UTILIZANDO-IMAGENS-MULTIESPECTRAIS-E-REDES. Acesso em: 30/05/2026