Contagem de plantas de dendê (Elaeis guineensis) a partir de imagens

multiespectrais obtidas utilizando VANT

Juan Quirós1, Tiago R. Tavares1, Maurício Martello1
1
Departamento de Engenharia de Biossistemas, ESALQ/USP, Piracicaba, São Paulo, Brasil,
juanquiros2@gmail.com, tiagosrt3@gmail.com, mauriciomartello@gmail.com

RESUMO
O cultivo de dendê tem grande importância econômica no setor agroindustrial da Costa Rica.
Neste tipo de cultivos perenes-extensivos é necessário o monitoramento constante da
população, sendo o número de plantas uma das principais variáveis que deve ser controlada.
Uma maneira potencialmente mais rápida para a contagem do número de plantas é com
imagens aéreas de boa resolução, capturadas por médio de um sistema composto por uma
plataforma VANT (Veiculo Aéreo Não Tripulado) e um sensor (câmera). Este trabalho teve
como objetivo desenvolver e avaliar a precisão de uma metodologia para a contagem de
plantas de dendê com a utilização do software ArcGIS, e imagens aéreas capturadas com uma
câmera multiespectral embarcada em um VANT de asa fixa. Para isso se utilizaram dez
imagens (dez repetições) tomadas do cultivo de dendê na Costa Rica, nas quais contou-se a
quantidade de plantas por meio dos seguintes passos: (1) coleta das imagens, (2)
processamento de dados, e (3) análise estatística para a validação dos resultados. A média do
erro da estimação foi de 4 %, sendo este um valor aceitável para o produtor já que se trata de
uma estimação rápida, simples e de baixo custo. A metodologia definida neste trabalho pode
ser utilizada em trabalhos posteriores como base para desenvolver um sistema automatizado
de contagem de plantas de dendê.
PALAVRAS-CHAVE: Quantificação, população, SIG.
 ABSTRACT
Oil palm crop has great economic importance in the agro-industrial sector of Costa Rica. In
this type of perennial-extensive crops constant monitoring of the population is required, being
the number of plants one of the major variables that should be controlled. Using aerial images
captured by means of a system composed of a UAV platform (Unmanned Air Vehicle) and a
sensor (camera) is one of the faster ways for the account of plants. This study aimed to
develop and evaluate the accuracy of a methodology for oil palms counting with the use of
specialized software, and aerial images captured with a multispectral camera embedded in a
fixed-wing UAV. For this purpose we used dez images (dez repetitions), in which were
counted the number of plants following steps: (1) collect of the images, (2) data processing,
and (3) statistical analysis in order to validate the results. The average estimation error was
4%, which is an acceptable value being a rapid, simple and low cost method. The
methodology defined in this study may be used as a basis for further work to develop an
automated system of palm plant count.
KEYWORDS: Quantification, population, GIS.

INTRODUÇÃO
Os produtos obtidos do cultivo de dendê (Elaeis guineensis) encontram-se na lista dos
principais bens de exportação no contexto agroindustrial da Costa Rica, sendo que em 2014 as
exportações de seu óleo chegaram a 139 milhões de dólares tendo como principal destino o
México (ALPIZAR et al., 2015).
O dendê se caracteriza por ser um cultivo extensivo e perene. Nesses cultivos é
necessário o monitoramento constante da população de plantas, visando a detectar com
antecipação zonas no talhão afetadas por algum tipo de estresse, seja por ataque de pragas,
doenças, estresse hídrico, ou qualquer outro fator que interfira na qualidade do cultivo.
Segundo Brazilio et al. (2012) e Chinchilla (2003), um dos principais fatores
fitossanitários que afetam o dendê é a doença conhecida como “podridão seca do coração”,
propiciada por condições de solo pouco arejado, e que, por vez, deixa a planta susceptível ao
ataque de pragas, como o gorgulho vermelho (MEZA, 2012).
A variável mais simples que pode ser estimada para a detecção de focos de cultivo
afetados por algum tipo de estresse é a densidade populacional, ou número de plantas. Para
quantificar essa variável faz-se necessário o uso de sistemas que possibilitem chegar a
resultados de boa qualidade e de maneira rápida, sendo uma possibilidade para tal o uso de
ferramentas que possibilitem a captura de uma alta densidade de dados em um curto espaço de
tempo. Uma das principais ferramentas nesta linha é o uso de imagens aéreas, capturadas por
meio de sistemas compostos por VANTs (Veículos Aéreo Não Tripulados) e sensores que
possibilitam a obtenção de imagens multiespectrais com alta resolução espacial.
Numerosos estudos têm avaliado metodologias que procuram fazer estimativas do
número de plantas através de imagens aéreas. Já no início do século XXI houve avanços no
desenvolvimento de algoritmos visando à delinear o padrão espacial das copas de árvores
(CULVENOR, 2002), chegando até a classificar espécies arbóreas de acordo com seu padrão
de copa (ERIKSON, 2004). Nos últimos cinco anos, têm-se observado avanços
metodológicos com trabalhos que conseguiram identificar e segmentar pomares de citros
(AKSOY et al., 2012) e vinhedos (DELENNE et al., 2010) por meio de imagens orbitais; e
mais recentemente, com trabalhos que lograram quantificar de maneira satisfatória (R2 de
0,90) o número de árvores de citros (RECIO et al., 2013);e que desenvolveram um algoritmo
para detectar automaticamente vegetação com imagens multiespectrais e de espectro visível,
enfrentando alguns problemas com os fatores de segmentação (Torres et al., 2015).
No entanto, apesar dos bons resultados encontrados nestes estudos, obtendo informação
de maneira automática, rápida e precisa, a maioria deles utiliza metodologias complexas, as
quais envolvem uma densa utilização de cálculos e algoritmos matemáticos. Tal
complexidade dificulta a replicação destas metodologias por parte dos diferentes usuários das
ferramentas de geoprocessamento. Ademais, Sistemas de Informação Geográfica (SIG) com
ferramentas básicas possibilitam obter as mesmas informações de maneira mais simples.
Assim, o objetivo deste trabalho foi desenvolver e avaliar a precisão de uma
metodologia simples para a contagem de plantas de dendê, utilizando ferramentas básicas de
SIG em imagens aéreas capturadas com uma câmera multiespectral acoplada a um VANT.

MATERIAL E MÉTODOS
O estudo foi desenvolvido em um talhão de aproximadamente 100 ha na localidade de
Savegre, Puntarenas, localizada no pacífico central em Costa Rica (9°21'7,01"N e
83°58'54,77"W) (Figura 1). A região é caracterizada por apresentar predominantemente solos
classificados como Cambissolos flúvicos; média de temperaturas mínima e máxima anuais de
24⁰C e 30⁰C, respectivamente, e precipitação anual ao redor de 1400 mm (IMN, 2013).
 Figura 1 – Localização geográfica da área de estudo.

O trabalho foi dividido em três etapas: (1) coleta das imagens; (2) processamento de
dados; e (3) análise estatística para a validação dos resultados. Segue uma descrição detalhada
de cada uma delas:

Coleta de imagens
Para a coleta das imagens utilizou-se um VANT de asa fixa (Triton/Robota) com uma câmera
multiespectral ADC Lite da Tetracam acoplada, e um computador de campo com o software
GCS utilizado para o planejamento e controle do voo (Figura 2).

Figura 2 – Equipamento utilizado na coleta de imagens: (a) VANT Triton/Robota, (b) câmera Tetracam ADC
Lite, e (c) computador de campo com software GCS e antena para comunicação via rádio com o VANT.

O VANT Triton/Robota apresenta as seguintes características: direção automática

segundo o planejamento feito no GCS, rádio de comunicação base-VANT de até 2,5 Km,
altura de voo de 400 m e duração da bateria de 40 a 50 min, tempo no qual pode-se cobrir de
80 a 100 ha (dependendo das condições climáticas) (Figura 2a).
A câmera Tetracam ADC Lite tem resolução em três bandas: verde, vermelho e
infravermelho próximo (IVP), indo desde 520 nm até 920 nm; suas dimensões são de 114 mm
x 77 mm x 22 mm, e seu peso de 200 g (Figura 2b). O software GCS foi utilizado para fixar
os parâmetros do voo, para o qual foram estabelecidos: altitude de 400 m, velocidade de 11
m/s, intervalo de captura de imagens de 5 s, e distância entre as linhas de voo de 150m. O
mesmo software foi utilizado para monitorar as condições do voo durante a operação, tais
como: carga da bateria, velocidade, altitude e o nível de comunicação entre a base e o VANT.
Após o sobrevoo completo da área foram selecionadas dez imagens, distribuídas
aleatoriamente na área de estudo, as quais cobriram um tamanho aproximado de 6 ha. A
análise de cada imagem foi tomada como uma repetição. A fim de avaliar a capacidade da
metodologia em diferenciar diferentes tipos de alvos, nas imagens R09 e R10 foi imageada
parte de uma rodovia e parte de um rio localizado ao norte da área do trabalho. Ademais, em
todas as imagens havia a presença de plantas em várias condições fenológicas e
fitossanitárias.

Processamento das imagens

O processamento das imagens foi realizado no software ArcGIS 10.2 e seguiu a seguinte
sequência de etapas para o processamento dos dados: (1) filtragem da imagem original; (2)
conversão e limpeza de polígonos; e (3) conversão de polígonos a pontos (Figura 3).

Figura 3 – Diagrama do processamento de dados seguido para a filtragem das imagens.

 Na primeira etapa para o desenvolvimento da metodologia, foi utilizada apenas a
banda IVP das imagens coletadas; posteriormente, utilizando a função raster calculator, esta
banda foi segmentada e convertida a uma imagem de duas cores, na qual uma cor
representava vegetação e a outra representava a ausência de vegetação. Para a segmentação
foi utilizado 50 como limite mínimo de nível de cinza (NC), sendo que os pixels cujo valor de
NC estivessem acima desse limite representavam vegetação, e os que estivessem abaixo dele
representavam ausência de vegetação.
Na segunda etapa, a imagem de duas cores foi vetorizada mediante a exportação ao
formato shape de polígonos, em que cada polígono representava objetos de vegetação; para
isso utilizou-se a função raster to polygon (do modulo conversion tools). Nesta camada de
polígonos eliminaram-se aqueles cujos tamanhos não fossem compatíveis com o tamanho das
plantas de dendê, apagando todos os polígonos menores a 0,75 m2 ou maiores a 6,00 m2. Na
terceira etapa foi utilizada a função feature to point (do modulo data management) para gerar
um ponto no centroide de cada polígono. O número de pontos desta última camada
representou o número de plantas de dendê da imagem.

Análise estatística
Para avaliação da metodologia proposta foram comparados os dados da quantidade de plantas
de dendê estimada com a quantidade real de plantas do local. Para obtenção do número real de
plantas, estas foram contadas manualmente utilizando software AutoCAD 2012.
Com os dados da quantidade de plantas estimada e real obteve-se o valor absoluto da
porcentagem de erro de estimação para cada repetição (Equação 1). Também calculou-se a
média, e o máximo e mínimo da porcentagem de erro.

% E = │(VE*100)/VR │ [1]

Onde: % E = porcentagem de erro na estimativa; VE = valor estimado em cada

repetição; VR = valor real de plantas em cada repetição.

RESULTADOS E DISCUSSÃO
A qualidade dos estudos baseados em imagens aéreas de baixa altitude depende da correta
escolha da plataforma e do sensor, de tal maneira que a plataforma dê suficiente autonomia e
estabilidade; e o sensor dê a resolução espacial e espectral requeridas (PROST, 2013).
 O sistema plataforma/sensor utilizado no presente estudo apresentou desempenho
satisfatório, conseguindo imagear com a qualidade requerida os 100 ha da área de estudo, sem
apresentar algum problema que comprometesse o processamento dos dados. As imagens
obtidas em cada repetição estão representadas. Por sua vez, o desempenho do sensor utilizado
(Tetracam ADC-Lite) também foi satisfatório, já que gerou imagens com a qualidade
requerida para o processamento de dados (Figura 4).

Figura 4 – Imagens obtidas em cada uma das repetições.

Na Figura 5 estão apresentadas as imagens geradas em cada etapa do processamento e

os tempos de cada etapa do processamento de dados: (1) filtragem da imagem original, (2)
conversão e limpeza de polígonos, e (3) conversão de polígonos a pontos.

Figura 6 – Tempo de cada etapa do processamento de imagens, sendo (a) a imagem original, (b) a imagem
filtrada de duas cores, (c) os polígonos gerados com base na imagem de duas cores, e (d) os pontos
extraídos dos centroides desses polígonos.
 A filtragem da imagem original à imagem de duas cores demorou aproximadamente
dois minutos, enquanto o tempo demorado nas etapas de conversão a polígonos e conversão
de polígonos a pontos foi de aproximadamente um minuto em cada uma. Portanto, em média
foram gastos de quatro a cinco minutos para o processamento de cada imagem.
A Tabela 1 mostra os resultados da estimativa do número de plantas em cada repetição
e sua respectiva comparação com o valor real. Analisando a diferença encontrada entre o
valor estimado do número de plantas e o real obteve-se a porcentagem de erro para cada
repetição, assim como sua média, desvio padrão e coeficiente de variação.

Tabela 1 – Análise estatística dos valores estimados de número de plantas.

Diferença
Nº estimado Nº real de
Repetição entre real e % de erro
de plantas plantas
estimado
1 888 949 61 7
2 926 957 31 3
3 1091 1052 39 4
4 984 1042 58 6
5 907 936 29 3
6 1025 1073 48 5
7 971 968 3 0
8 1132 1131 1 0
9 762 796 34 4
10 912 838 74 8
Média 4
Desvio Padrão (S) 2,7
Coeficiente de
0,67
variação (CV%)

Como pode-se ver na Tabela 1, os melhores resultados foram observados nas imagens
7 e 8. Ambas não apresentaram erro na estimativa do número de plantas. Esta exatidão pode
estar relacionada à ausência, nestas imagens, de interferências como estradas, caminhos ou
drenagens. Por outro lado, as repetições 1 e 4 apresentaram a maior porcentagem de erro. Este
problema pode ser explicado pela tonalidade mais escura encontrada nestas imagens, quando
comparadas com as demais. Este efeito, provavelmente, pode ter sido causado pela sombra
produzida por nuvens no momento em que as imagens foram capturadas.
Ademais, outro problema observado durante o processamento das imagens foi na
etapa de conversão da imagem de duas cores a polígonos. Nesta etapa, observou-se que os
polígonos de plantas vizinhas se misturaram em alguns pontos onde as folhas das plantas de
dendê se sobrepunham, produzindo uma subestimação do número de plantas.
 Estas falhas na metodologia acabaram incrementando o valor do coeficiente de
variação da porcentagem de erro (0,67) indicando, segundo Pimentel Gomes (1985), que estes
apresentam alta heterogeneidade. No entanto, a média da porcentagem de erro encontrada no
trabalho para esta metodologia (4%) é um valor aceitável pelo produtor, já que se trata de uma
estimação rápida, simples e de baixo custo.
Acredita-se que ao utilizar a metodologia definida neste estudo o usuário pode
implementar um sistema de monitoramento em grande escala, visando a ativar alertas de
problemas em regiões onde o número de plantas por unidade de área seja inferior ao limite
definido por ele, de acordo com as condições específicas de sua propriedade.
Muitos estudos tem procurado realizar a contagem de plantas fazendo a filtragem da
imagem original por médio de índices de vegetação (RUIZ et al., 2011; RECIO et al., 2013);
no entanto, no presente trabalho não foi possível utilizar essa metodologia devido a que nos
espaços das imagens que não apresentam cobertura de dendê a superfície do talhão encontra-
se coberta por plantas com valores de índice de vegetação semelhantes aos da palma, pelo
qual acabam-se misturando e assim complicando a identificação clara das plantas de interesse.
Destaca-se, ainda, que a metodologia de processamento de imagens proposta neste
trabalho pode ser utilizada como base para o desenvolvimento de um sistema automatizado
que receba as imagens originais como camada de dados de entrada, produzindo como
resultado o número de plantas contadas.

CONCLUSÕES
A metodologia proposta pode ser utilizada para estimar o número de plantas dendê.
Os estudos realizados neste trabalho devem servir como subsídios para futuros estudos que
busquem uma estimativa simplista e de qualidade para obter o número de plantas.
A metodologia de processamento de imagens definida neste trabalho pode ser utilizada
como base para desenvolver um sistema automatizado que processe imagens aéreas,
produzindo como resultado o número de plantas contadas.

AGRADECIMENTOS
Se agradece às empresas costarriquenhas AgriCien e Palmatica pela sua colaboração.
 REFERÊNCIAS

AKSOY, S., YALNIZ, Z., KADIM, S. Automatic Detection and Segmentation of Orchards
Using Very High Resolution Imagery. IEEE Transactions On Geoscience And Remote
Sensing. v. 50, n. 8, p. 3117-3131, 2012.
ALPIZAR, M. et al. Análisis de Comercio Exterior de Costa Rica 2014. Procomer. 1. ed. San
José; Costa Rica. 2015. 239 p.
BRAZILIO, M., BISTACHIO, N., SILVA, V., NASCIMENTO, D. O Dendezeiro (Elaeis
guineensis Jacq.) Revisão. Bioenergia em revista: diálogos. v. 2, n. 1, p.27-45, 2012.
CHINCHILLA, C. Manejo integrado de problemas fitosanitarios en palma aceitera Elaeis
guineensis en América Central. Manejo Integrado de Plagas y Agroecología. n. 67, p. 69-82,
2003.
DELENNE, C., DURRIEUA, S., RABATEL, G., DESHAYES, M. From pixel to vine parcel:
A complete methodology for vineyard delineation and characterization using remote-sensing
data. Computer and Electronics in Agriculture. v. 70, 78-83, 2010.
ERIKSON, M. Species classification of individually segmented tree crowns in high-resolution
aerial images using radiometric and morphologic image measures. Remote sensing and
Enviroment. v. 91, p. 469-477, 2004.
Instituto Meteorológico Nacional (IMN). 2013. Média dos principais dados climáticos da
Região Pacifica da Costa Rica. Disponível em:
<http://www.imn.ac.cr/IMN/MainAdmin.aspx?__EVENTTARGET=ClimaCiudad&CIUDAD=6>.
Acesso em: 13 jun. 2015.
MEZA, C. La “Flecha Seca” favorece ataque de picudos y pérdida de plantas por Anillo Rojo
en las Palmáceas. Actualidad Fitosanitaria/MAG. n. 51, 2012. 3 p.
PIMENTEL-GOMES, Curso de Estatística Experimental, Piracicaba-SP. ESALQ/USP, 1985.
PROST, G. Remote Sensing for Geoscientists: Image Analysis and Integration. CRC Press,
2013. 533 p.
TORRES, J., GRANADOS, F., PEÑA, J. An automatic object-based method for optimal
thresholding in UAV images: Application for vegetation detection in herbaceous crops.
Computers and Electronics in Agriculture. v. 114, p. 43-52, 2015.