ANÁLISE DE TOMBAMENTO EM EXPERIMENTOS DE CANA DE AÇUCAR UTILIZANDO
AERONAVE REMOTAMENTE PILOTADA (RPA)
Rayene Lanay Ambrósio Pinto 1,2, Daniel Garbellini Duft 2, Romualdo Martins Bernardes 2, Mauro
Henrique Salgueiro Rodrigues Violante 2
1
UFV, Av. Peter Henry Rolfs, s/n, Campus Universitário, Viçosa – MG, 36570-900
2
CTC, Fazenda Santo Antônio, s/n, Bairro Santo Antônio, Piracicaba – SP, 13.400-970
1
rayene.pinto@ufv.br; 2 daniel.duft@ctc.com.br, 3 romualdo.bernardes@ctc.com.br, 4 mauro.violante@ctc.com.br
RESUMO
Para o Brasil para se manter como o maior produtor de cana-
de-açúcar do mundo é necessária uma busca constante por
aprimoramentos técnicos, como o uso de aeronaves não
tripuladas (RPAs). A análise de tombamento é um importante
parâmetro para a colheita mecanizada e atualmente é avaliada
em campo medindo a área tombada e inclinação. O objetivo
desse trabalho é definir uma metodologia de análise de
tombamento na experimentação da cana-de-açúcar utilizando
RPAs. No experimento avaliado foi identificado uma
acurácia de 43,3% em área e 96,7% em inclinação. O
resultado demonstra que a avaliação em campo não é o
suficiente para quantificar adequadamente a área de cana
tombada e a avaliação visual do ortomosaico do voo mostra-
se inadequada para avaliar a inclinação do tombamento, logo
a avaliação computacional dos produtos gerados por voos de
RPAs se mostram mais assertiva em ambos os critérios.
Palavras-chave — cana-de-açúcar, agricultura
digital, RPA, drone.
ABSTRACT
Brazil needs to maintain itself as the largest sugarcane
producer in the world. There is constant searching for
technical improvements and new technologies such as remote
piloted aircrafts (RPAs). Lay down analysis is an important
parameter for mechanized harvesting and is currently
evaluated in the field by measuring the area and slope. The
objective of this work was to define a methodology for
analysis of laying down in sugarcane experimentation using
RPAs. In the evaluated experiment, an accuracy of 43.3% in
area and 96.7% in slope was identified. The result shows that
the field evaluation is not enough to adequately quantify the
area of laid cane and the visual evaluation of the flight
orthomosaic is inadequate to evaluate the angle of the angle,
so the computational evaluation of the products generated by
RPA flights are more assertive in both criteria.
Key words — sugarcane, digital agriculture, RPA,
drone.
https://proceedings.science/p/164558?lang=pt-br
1. INTRODUÇÃO
O Brasil é o maior produtor mundial de cana-de-açúcar e, na
safra 2020/21, foi responsável pela produção de 654,5
milhões de toneladas (CONAB, 2021).
Para manter-se na liderança, é necessária uma busca
por crescimento constante de produtividade e eficiência que
é fortemente apoiada nos aprimoramentos técnicos por parte
das unidades produtoras (ASSAIANTE et. al., 2020).
Para a colheita mecanizada, um importante
parâmetro é o tombamento, pois prejudica o desempenho
operacional da colhedora. Segundo Carlin (2005),
tombamento pode ser considerado a queda das plantas em
decorrência de características varietais; fenômenos
ambientais, como fortes ventos; algum tipo de deficiência nos
colmos ou raízes; ou pelo peso dos colmos. Tal é comumente
avaliado mediante notas visuais atribuídas em campo.
O uso de aeronaves remotamente pilotadas (RPAs)
vem ganhando espaço na agricultura (CURSI, 2020).
Segundo Amaral et. al (2020) as principais aplicações das
aeronaves remotamente tripuladas (RPAs) na agricultura, em
especial na experimentação, podem ser divididas em cinco
grandes tópicos: levantamento topográfico, avaliações
fisiológicas, avaliações biofísicas, monitoramento de alvos
biológicos, bem como, pulverização de produtos
fitossanitários e aplicação de bioinsumos. Levantamentos
rotineiros de dados em campo podem ser melhorados ou
mesmo substituídos por imagens obtidas via RPAs e as
aplicações de produtos fitossanitários podem ser otimizados
(AMARAL et. al., 2020).
Assim esse trabalho tem como objetivo propor uma
metodologia para a atribuição de notas de tombamento em
experimentos de cana-de-açúcar com os dados obtidos por
RPAs.
2. MATERIAL E MÉTODOS
A área de estudo foi um experimento de cana-de-açúcar de
uma usina em Limeira do Oeste (MG), na fase de pré-
colheita. Ele possui 60 parcelas, com 9 sulcos cada e
espaçamento de 1,5 metro.
O voo do ensaio foi feito com o RPA DJI Phantom
4 Standard e o plano de voo no aplicativo Pix4D Capture.
Ajustou-se altura de voo em 90 m, resultando 3,9 cm de GSD.
1919
 Figura 1: Figura 1. Localização do experimento .
Executou-se o processamento no software Pix4D, modo
default cloud (via plataforma Bem Agro), para a criação do
ortomosaico (Figura 1), modelo digital de terreno (MDT) e
modelo digital de superfície (MDS) do experimento.
Foi feito o desenho dos contornos das parcelas,
através do software Autodesk AutoCAD, como apresentado
na Figura 01, bem como, calculou-se a área de cada parcela.
A avaliação de tombamento na experimentação
agrícola da cana-de-açúcar se dá pela atribuição de notas
visuais em campo, no qual são considerados dois critérios:
área da parcela tombada e intensidade do tombamento
(Figura 2).
Figura 2. Cana-de-açúcar em pé (direita) e tombada (esquerda)
A Tabela 1 apresenta a metodologia utilizada para a
análise visual dos experimentos em campo.
Nota Descrição
1 Abaixo de 10% das plantas arqueadas até 45°
2 Entre 11 e 20% das plantas arqueadas até 45°
3 Entre 21 e 30% das plantas arqueadas até 45°
https://proceedings.science/p/164558?lang=pt-br
4 Entre 31 e 50% das plantas arqueadas até 45°
5 Acima 50% das plantas arqueadas até 45°
6 Entre 11 e 20% das plantas tombadas mais de 45°
7 Entre 21 e 30% das plantas tombadas mais de 45°
8 Entre 31 e 50% das plantas tombadas mais de 45°
9 Acima 50% das plantas tombadas mais de 45°
Tabela 1. Escala utilizada para nota de tombamento em campo
e descrição dos critérios
Um profissional experiente fez a avaliação visual
em campo e sete pessoas com prática em avaliação de campo
fizeram a avaliação visual observando o ortomosaico do voo
(Figura 3).
Figura 3. Ficha de avaliação visual baseada no ortomosaico do
voo de RPA
Para identificar área de cana-de-açúcar tombada,
definiu-se o uso de classificação supervisionada e o
classificador por máxima verossimilhança (MaxVer), pois é
o classificador com melhores resultados no processo da
1920
 identificação e delineamento de classes (LIU, 2007; Notas das avaliações
Parcela
JENSEN, 2009). Campo Visual Computacional
No software ESRI ArcGIS ArcMap 10.8, demarcou- 1 3 2 1
se as amostras no ortomosaico, realizou-se a classificação 2 3 3 3
supervisionada com classificador MaxVer dividindo-se em 3 3 9 4 8
classes: solo, cana em pé e cana tombada, sendo esse valor 4 2 2 2
por parcela do experimento (Figura 4). 5 9 8 9
6 7 5 8
7 2 2 3
8 9 8 9
9 3 2 3
10 7 3 7
11 3 2 2
12 8 4 8
13 5 3 8
14 8 4 9
15 7 3 8
16 3 1 1
17 9 9 9
18 3 4 4
Figura 4. Classificação supervisionada 19 9 4 8
Definiu-se também a altura baseado nos demais
20 8 8 9
produtos gerados pelo voo, MDT e MDS, como apresentado
por SESTARI et. al. (2019). Calculou-se a soma dos valores 21 4 4 4
das alturas nas áreas de tombamento (e solo) de cada parcela 22 8 6 9
e esse valor, ponderou-se pela área de cana tombada (e solo) 23 8 5 8
da parcela. Calculou-se a porcentagem dos valores mínimos 24 6 4 8
em relação ao valor médio ponderado da parcela. 25 9 7 9
Geometricamente o tombamento de 45° representa 26 9 7 9
70,7% da cana-de-açúcar em pé (Figura 5), associa-se que se 27 7 7 9
o valor é menor de 70,7% a inclinação da mesma é superior a 28 9 5 8
45°. 29 7 4 9
30 6 4 8
31 8 5 9
32 7 6 9
33 9 8 9
34 6 3 7
35 6 6 9
36 9 9 9
37 9 8 9
Figura 5. Esquema de tombamento 38 7 7 9
A partir do primeiro (área < 11%, 11% ≤ área > 21%, 39 9 8 9
21% ≤ área > 31%, 31% ≤ área > 50%, área ≥ 50%) e o 40 9 9 9
segundo (inclinado menos ou mais de 45°) critérios define-se 41 7 6 9
as notas baseadas na Tabela 1. 42 8 6 9
43 8 7 9
3. RESULTADOS 44 4 3 8
45 9 7 9
Os resultados consistem na indicação de notas pelo método
46 8 7 9
computacional, que é o conjunto dos critérios de inclinação e
área e em seguida comparou-se com a avaliação em campo e 47 6 6 9
avaliações visuais dos ortomosaicos. 48 9 6 9
As notas por parcelas das avaliações: em campo, 49 9 6 9
mediana das visuais com o ortomosaico e a computacional 50 9 6 9
com o ortomosaico são apresentadas na Tabela 2. 51 7 4 9
52 9 8 9

https://proceedings.science/p/164558?lang=pt-br 1921
 53 9 6 9 5. CONCLUSÕES
54 7 5 9
55 9 6 9 A análise computacional do ortomosaico se mostra
56 8 6 9 promissora, logo pode ser utilizada como apoio a análise já
57 9 8 9 realizada em campo, bem como, após a expansão da área de
estudo e validação do método, vir a substituir a análise em
58 8 6 9
campo de forma que seja possível eliminar a subjetividade da
59 8 5 9
avaliação e a disparidade nas notas entre avaliadores
60 9 9 9 (experiência e acuidade visual).
Tabela 2. Notas gerais
De forma a certificar-se que a avaliação 6. REFERÊNCIAS
computacional foi validada compara-se a mesma com as
demais formas de avaliação de acordo com os dois critérios [1] AMARAL, LUCAS RIOS DO; ZERBATO, CRISTIANO;
que compõem a nota. FREITAS, RODRIGO GREGGIO DE; BARBOSA JÚNIOR,
Calculou-se a acurácia da análise computacional em MARCELO RODRIGUES; SIMÕES, ISABELA ORDINE PIRES DA
SILVA. UAV applications in Agriculture 4.0. Revista Ciencia
comparação a nota da avaliação visual em campo (Tabela 3). Agronomicaimage, v. 51, p. 1-15, 2020.
Acurácia Área tombada Inclinação [2] ASSAIANTE, B. A. S. et. al. Utilização de veículos aéreos não
Avaliação visual em tripulados (VANT) na cultura da cana-de-açúcar. Faculdade de
43,3% 96,7% Tecnologia de Taquaritinga – Taquaritinga. 2020.
campo
Tabela 3. Análise de acurácia com avaliação visual em campo [3] CURSI, D. E. Geotecnologias aplicadas em experimentação
Em seguida , calculou-se a discrepância da análise agronômica: ênfase em cana-de-açúcar. USP ESALQ. 2020.
[4] CARLIN, S. D.. Impacto do tombamento na produtividade de cana-
computacional em comparação a mediana das notas da de-açúcar. Instituto Agronômico de Campinas. 2005.
avaliação visual dos avaliadores portando o ortomosaico do [5] LIU, W. T. Aplicações de sensoriamento remoto. Campo Grande -
voo (Tabela 4). RJ: Ed UNIDERP, 2007. 865p.
Diferença Área tombada Inclinação [6] CONAB. Tabelas de dados – Produção e análise de mercado de cana-
Avaliação visual do voo 33,3% 68,3% de-açúcar. 2021.
[7] JENSEN, J. R. Sensoriamento remoto do ambiente: uma perspectiva
Tabela 4. Análise de discrepância com avaliação visual do voo em recursos terrestres. Tradução de EPIPHANIO, J. C. N.
Os resultados mostraram a importância de (Coordenador). [et al.]. São José dos Campos: Parênteses, 2009. 598p.
informações auxiliares em tomadas de decisão de caráter [8] SENTARI, G., et. al. Mensuração da altura total de árvores com
visual, desta forma, foi possível identificar que os valores que VANT. Anais do XIX Simpósio Brasileiro de Sensoriamento Remoro.
são mensuráveis são possíveis de serem medidos com o 2019.
ortomosaico.

4. DISCUSSÃO

Tem-se que a avaliação visual em campo considera mais o

parâmetro de inclinação do que o de área tombada na parcela
por ter-se uma visão lateral da parcela.
Já a análise visual do ortomosaico, pelo depoimento
dos avaliadores, foi mais tendenciosa para o parâmetro de
área apesar de os dados apontarem maior precisão do
parâmetro inclinação, tal se justifica a área de estudo estar
com um nível acentuado de tombamento.
Ainda, a análise computacional realizada com as
imagens do voo proveniente do RPA se mostrou bastante
precisa para a análise da inclinação da cana-de-açúcar, o que
se mostrou bastante positivo. Para a comparação das áreas de
cana tombada a diferença em relação a avaliação de campo
foi maior uma vez que a avaliação com visão ortogonal e
lateral são perspectivas muito diferentes e a avaliação em
campo depende da experiência do avaliador.
Assim o método se mostra promissor, sendo
necessário avaliar mais casos e verificar se essas premissas se
repetem.

https://proceedings.science/p/164558?lang=pt-br 1922
Powered by TCPDF (www.tcpdf.org)