BR112019007519B1

BR112019007519B1 - Método e sistema para detecção de vírus de batata em uma imagem de colheita e suporte legível por computador

Info

Publication number: BR112019007519B1
Application number: BR112019007519-4A
Authority: BR
Inventors: Rishin Behl; Ross William
Original assignee: Resson Aerospace Corporation; Mccain Foods Limited
Priority date: 2016-10-13
Filing date: 2017-10-12
Publication date: 2023-03-28
Also published as: RU2019113996A; CA3039557A1; EP3525574A4; RU2019113996A3; CN114648630A; CL2019000998A1; RU2021115279A3; JP7094293B2; US10964009B2; US11645743B2; ZA202104445B; CN110022674A; CN110022674B; AU2017343690A1; JP2020503886A; RU2021115279A; WO2018068143A1; EP3525574A1; MX2019004234A; US20210183048A1

Abstract

A presente invenção refere-se a um método de detecção de um vírus de batata em uma imagem de colheita retratando pelo menos uma planta de batata que inclui o armazenamento da imagem de colheita em uma memória, a identificação de uma primeira região da imagem de colheita retratando folhas de planta de batata, a identificação de uma pluralidade de arestas dentro da primeira região, a determinação se um segmento de imagem da imagem de colheita dentro da primeira região satisfaz um ou mais critérios de vincagem de folha sintomáticos de vincagem de folha causada pelo vírus com base nas arestas que estão localizadas dentro do segmento de imagem, a determinação se o segmento de imagem satisfaz um ou mais critérios de cor sintomáticos de descoloração causada pelo vírus, e a determinação se o segmento exibe sintomas de vírus de batata com base no fato de o segmento de imagem satisfazer um ou mais dos critérios de vincagem de folha e os critérios de cor. Um sistema e um meio capaz de ser lido por computador são também descritos.

Description

CAMPO

[0001] A presente invenção refere-se a métodos, meios, e sistemas para a detecção de vírus de batata em imagens de colheitas.

INTRODUÇÃO

[0002] Em anos recentes, vírus de batata, tais como vírus de batata Y, têm tido efeitos devastadores sobre colheitas (ou culturas, "crops") de batatas em várias partes do mundo. Foi relatado que um campo de batatas infectadas pode resultar no final em 10-100% de perda no rendimento. Vírus de batata são comumente espalhados por vetores afídios que adquirem vírus de plantas infectadas e espalham o vírus para plantas saudáveis das quais eles se alimentam mais tarde. O espalhamento do vírus pode ser mitigado por marginalização ("rogueing") das plantas infectadas. No entanto, a procura de plantas infectadas em grandes campos de colheitas pode ser desafiadora e consumidora de tempo.

SUMÁRIO

[0003] Em um aspecto, a descrição refere-se a um método de detecção de um vírus de batata em uma imagem de colheita retratando pelo menos uma planta de batata. O método compreende o armazenamento da imagem de colheita em uma memória; a identificação, em um o processador, de uma primeira região da imagem de colheita, a primeira região retratando folhas de planta de batata, em que a primeira região é exclusiva de uma segunda região da imagem de colheita, a segunda região retratando imagens que não são de folhas; a identificação, pelo processador, de uma pluralidade de arestas dentro da primeira região; a determinação, pelo processador, se um segmento de imagem da imagem de colheita dentro de uma primeira região satisfaz um ou mais critérios de vincagem de folha com base nas arestas que estão localizadas dentro do segmento de imagem, em que os critérios de vincagem de folha são sintomáticos de vincagem de folha causada pelo vírus; a determinação, pelo processador, se o segmento de imagem satisfaz um ou mais critérios de cor sintomáticos de descoloração causada pelo vírus; e a determinação, pelo processador, se o segmento exibe sintomas de vírus de batata com base no fato de o segmento de imagem satisfazer um ou mais dos critérios de vincagem de folha e os critérios de cor.

[0004] Em um outro aspecto, a descrição refere-se a um meio capaz de ser lido por computador compreendendo instruções executáveis por um o processador, em que as instruções quando executadas configuram o processador para: armazenar a imagem de colheita em uma memória; identificar uma primeira região da imagem de colheita, a primeira região retratando folhas de planta de batata, em que a primeira região é exclusiva de uma segunda região da imagem de colheita, a segunda região retratando imagens que não são de folhas; identificar uma pluralidade de arestas dentro da primeira região; determinar se um segmento de imagem da imagem de colheita dentro da primeira região satisfaz um ou mais critérios de vincagem de folha com base nas arestas que estão localizadas dentro do segmento de imagem, em que os critérios de vincagem de folha são sintomáticos de vincagem de folha causada por um vírus de batata; determinar se o segmento de imagem satisfaz um ou mais critérios de cor sintomáticos de descoloração causada pelo vírus; e determinar se o segmento exibe sintomas de vírus de batata com base no fato de o segmento de imagem satisfazer um ou mais dos critérios de vincagem de folha e os critérios de cor.

[0005] Em um aspecto ulterior, a descrição refere-se a um sistema para a detecção de vírus de batata em uma imagem de colheita contendo plantas de batata, o sistema compreendendo: uma memória que armazena instruções que podem ser lidas por computador e a imagem de colheita; e um o processador configurado para executar as instruções que podem ser lidas por computador, as instruções que podem ser lidas por computador configurando o processador para: armazenar a imagem de colheita em uma memória; identificar uma primeira região da imagem de colheita, a primeira região retratando folhas de planta de batata, em que a primeira região é exclusiva de uma segunda região da imagem de colheita, a segunda região retratando imagens que não são de folhas; identificar uma pluralidade de arestas dentro da primeira região; determinar se um segmento de imagem da imagem de colheita dentro da primeira região satisfaz um ou mais critérios de vincagem de folha com base nas arestas que estão localizadas dentro do segmento de imagem, em que os critérios de vincagem de folha são sintomáticos de vincagem de folha causada pelo vírus; determinar se o segmento de imagem satisfaz um ou mais critérios de cor sintomáticos de descoloração causada pelo vírus; e determinar se o segmento exibe sintomas de vírus de batata com base no fato de o segmento de imagem satisfazer um ou mais dos critérios de vincagem de folha e os critérios de cor.

DESENHOS

[0006] A FIGURA 1 mostra uma ilustração esquemática de um sistema, de acordo com uma concretização;

[0007] A FIGURA 2 é um fluxograma ilustrando um método de detecção de vírus de batata em uma imagem de colheita;

[0008] A FIGURA 3 é um fluxograma ilustrando um método de identificação de folhas de planta de batata em uma imagem de colheita;

[0009] A FIGURA 4 é um exemplo de uma imagem de colheita;

[0010] A FIGURA 5 mostra o canal magenta da imagem de colheita da FIGURA 4;

[0011] A FIGURA 6 é uma imagem binária com base no canal magenta da FIGURA 5;

[0012] A FIGURA 7 é a imagem binária da FIGURA 6 depois de dilatação;

[0013] A FIGURA 8 é uma máscara de imagem de canal magenta baseada na imagem dilatada da FIGURA 7;

[0014] A FIGURA 9 é a imagem de colheita da FIGURA 4 depois de mascaramento de regiões não pertencentes a folha;

[0015] A FIGURA 10 é uma imagem retratando arestas detectadas em uma imagem de colheita da FIGURA 4;

[0016] A FIGURA 11 é uma imagem identificando segmentos de imagem que satisfazem critérios de aresta;

[0017] A FIGURA 12 é uma imagem identificando segmentos de imagem que satisfazem critérios de linha;

[0018] A FIGURA 13 é uma imagem identificando segmentos de imagem que satisfazem critérios de contorno;

[0019] A FIGURA 14 é uma imagem identificando segmentos de imagem que satisfazem critérios de cor; e

[0020] A FIGURA 15 é uma imagem identificando segmentos de imagem que satisfazem critérios de pelo menos um dentre critérios de aresta, de linha, de contorno, e de cor.

DESCRIÇÃO DE VÁRIAS CONCRETIZAÇÕES

[0021] Numerosas concretizações são descritas neste pedido, e são apresentadas apenas para finalidades ilustrativas. As concretizações descritas não pretendem limitar em sentido algum. A invenção é amplamente aplicável a numerosas concretizações, como está prontamente evidente a partir da descrição aqui. Aqueles versados na técnica reconhecerão que a presente invenção pode ser praticada com modificação e alteração sem se afastar dos ensinamentos revelados aqui. Embora características particulares da presente invenção possam ser descritas com referência a uma ou mais concretizações ou figuras particulares, deve ser entendido que tais características não estão limitadas ao uso em uma ou mais concretizações ou figuras particulares com referência às quais elas são descritas.

[0022] Os termos "uma concretização," "concretização," "concretizações," "a concretização," "as concretizações," "uma ou mais concretizações," "algumas concretizações," e "uma concretização" significam "uma ou mais (mas não a totalidade) de concretizações da(s) presente(s) invenção(ões)," a não ser que expressamente especificado de outra maneira.

[0023] Os termos "incluindo," "compreendendo" e suas variações significam "incluindo mas não se limitando a," a não ser que expressamente especificado de outra maneira. Uma listagem de itens não implica que qualquer um ou a totalidade dos itens são mutualmente exclusivos, a não ser que expressamente especificado de outra maneira. Os termos "um," "uma", "o" e "a" significam "um ou mais," a não ser que expressamente especificado de outra maneira.

[0024] Embora etapas de método possam ser descritas ou listadas na descrição e nas reivindicações em uma ordem sequencial, tais métodos podem ser configurados para trabalhar em ordens alternadas. Em outras palavras, qualquer sequência ou ordem de etapas podem ser descritas não necessariamente indicam uma exigência de que as etapas devam ser realizadas naquela ordem. As etapas de métodos descritas aqui podem ser realizadas em qualquer ordem que seja prática. Além disso, algumas etapas podem ser realizadas simultaneamente e algumas etapas podem ser omitidas.

[0025] Métodos conhecidos para a detecção quanto ao vírus de batata incluem o envio de amostras de planta física para laboratórios para testagem. O tempo para coletar e enviar amostras e esperar pelos resultados pode criar um atraso que leva a espalhamento ulterior do vírus. Também, para campos de colheita grande, pode ser impraticável coletar, enviar, e pagar para testagem de amostras suficientes para detectar de forma confiável vírus de batata através da plantação inteira.

[0026] Concretizações descritas aqui referem-se a detecção com base em imagem de vírus de batata. Isso pode prover uma alternativa rápida, exata e barata a testes baseados em laboratório de colheitas de batatas para vírus de batata. Em uma concretização da descrição, o vírus de batata é um vírus de mosaico de batata. Em várias concretizações da descrição, o vírus de batata é a vírus de batata X (PVX), vírus de batata S (PVS), vírus de batata M (PVM), vírus de batata Y (PVY), ou vírus de batata A (PVA), ou uma combinação de dois ou mais de tais vírus. Por meio de visão global, imagens de colheita de um campo de colheita (incluindo, por exemplo, um campo de colheita em uma estufa) contendo plantas, por exemplo, plantas de batata, são capturadas para análise. Por exemplo, drones aéreos ou câmeras montadas para equipamento agrícola (por exemplo, uma colheitadeira) podem ser usados para capturar imagens de colheita. Um o processador de computador manipula e analisa imagens de colheita quanto a sintomas visíveis de vírus de batata, tais como vincagem de folha e descoloração de folha. Baseados na severidade dos sintomas detectados, o processador identifica se a imagem de colheita contém plantas infectadas, por exemplo, plantas de batata infectadas. Com essa informação, as plantas identificadas, por exemplo, as plantas identificadas de batata podem ser destruídas para mitigar o espalhamento do vírus. Um vírus de batata da descrição pode infectar uma planta, por exemplo, uma planta da família Solanaceae, tal como uma planta de batata. Assim, em várias concretizações, o método, o meio legível por computador, e o sistema de uma descrição referem-se à detecção de um vírus de batata em uma imagem de colheita retratando uma planta, por exemplo, uma planta da família Solanaceae, tal como uma planta de batata. Em várias concretizações, uma planta de batata da descrição é qualquer planta de batata (Solanum tuberosum L.), por exemplo, batata cerosa (por exemplo, batatas de alevinos), batata amilácea (por exemplo, Russet Burbank), batata amarela (por exemplo, batata de ouro de Yukon), batata branca (por exemplo, Shepody), batata vermelha, batata azul, ou uma combinação de duas ou mais de tais plantas.

[0027] A FIGURA 1 mostra um exemplo esquemático de um sistema 100. Em geral, um sistema 100 pode ser um computador servidor, computador desktop, computador notebook, tablet, PDA, smartphone, ou um outro sistema que pode realizar os métodos descritos aqui. Em pelo menos uma concretização, o sistema 100 inclui uma conexão com uma rede 116 tal como conexão com fio ou sem fio à internet ou uma rede privada.

[0028] No exemplo mostrado, o sistema 100 inclui uma memória 102, uma aplicação 104, um dispositivo de saída 106, um dispositivo de exibição 108, um dispositivo de armazenagem secundária 110, um o processador 112, e um dispositivo de entrada 114. Em algumas concretizações, sistema 100 inclui múltiplo de qualquer um ou mais de memória 102, aplicação 104, dispositivo de saída 106, dispositivo de exibição 108, dispositivo de armazenagem secundária 110, o processador 112, dispositivo de entrada 114, e conexões de rede (isto é conexões a rede 116 ou uma outra rede). Em algumas concretizações, sistema 100 não inclui uma ou mais das aplicações 104, dispositivos de armazenagem secundária 110, conexões de rede, dispositivos de entrada 114, dispositivos de saída 106, e dispositivos de exibição 108.

[0029] Memória 102 pode incluir memória de acesso aleatório (RAM) ou tipos similares de memória. Também, em algumas concretizações, memória 102 armazena uma ou mais aplicações 104 para execução pelo processador 112. Aplicação 104 corresponde com módulos de software incluindo instruções executáveis pelo computador para realizar o processamento para as funções e métodos descritos abaixo. Dispositivo de armazenagem secundária 110 pode incluir uma unidade de disco rígido, unidade de disquete, unidade de CD, unidade de DVD, unidade de Blu-ray, unidade de estado sólido, memória flash ou outros tipos de armazenagem de dados não voláteis.

[0030] Em algumas concretizações, sistema 100 armazena informação em um dispositivo de armazenagem remota, tais como armazenagem na nuvem, acessível através de uma rede, tal como rede 116 ou uma outra rede. Em algumas concretizações, sistema 100 armazena informação distribuída através de múltiplos dispositivos de armazenagem, tais como memória 102 e dispositivo de armazenagem secundária 110 (isto é, cada um dos múltiplos dispositivos de armazenagem armazena uma porção da informação e coletivamente os múltiplos dispositivos de armazenagem armazenam a totalidade das informações). Correspondentemente, dados de armazenagem em um dispositivo de armazenagem como usado aqui e nas reivindicações significam armazenar aqueles dados em um dispositivo de armazenagem local; armazenando aqueles dados em um dispositivo de armazenagem remota; ou armazenando aqueles dados distribuídos através de múltiplos dispositivos de armazenagem, cada um dos quais pode ser local ou remoto.

[0031] Em geral, o processador 112 pode executar aplicações, instruções legíveis pelo computador, ou programas. As aplicações, instruções legíveis pelo computador, ou programas podem ser armazenados na memória 102 ou na armazenagem secundária 110, ou podem ser recebidos a partir de armazenagem remota acessível através da rede 116, por exemplo. Quando executadas, as aplicações, instruções legíveis pelo computador, ou programas podem configurar o processador 112 (ou múltiplos processadores 112, coletivamente) para realizar um ou mais atos dos métodos descritos aqui, por exemplo.

[0032] Dispositivo de entrada 114 pode incluir qualquer dispositivo para introduzir informação no dispositivo 100. Por exemplo, dispositivo de entrada 114 pode ser um teclado, teclado, dispositivo de controle de cursor, tela sensível ao toque, câmera, ou microfone. Dispositivo de entrada 114 pode também incluir portas de entrada e rádios sem fio (por exemplo, Bluetooth® ou 802.11x) para conexões com fio ou sem fio a dispositivos externos.

[0033] Dispositivo de exibição 108 pode incluir qualquer tipo de dispositivo para apresentação de informação visual. Por exemplo, dispositivo de exibição 108 pode ser um monitor de computador, uma exibição de tela plana, um projetor, ou um painel de exibição.

[0034] Dispositivo de saída 106 pode incluir qualquer tipo de dispositivo para a apresentação de uma cópia rígida de informação, tal como uma impressora, por exemplo. Dispositivo de saída 106 pode também incluir outros tipos de dispositivos de saída tais como autofalantes, por exemplo. Em pelo menos uma concretização, dispositivo de saída 106 inclui uma ou mais de portas de saída e rádios sem fio (por exemplo, Bluetooth® ou 802.11x) para conexões com fio ou sem fio aos dispositivos externos.

[0035] A FIGURA 1 ilustra um exemplo hardware esquemático de um sistema 100. Em concretizações alternativas, o sistema 100 contém menos componentes adicionais ou diferentes. Além disso, embora aspectos de uma implementação do sistema 100 sejam descritos como sendo armazenados na memória, aquele versado na técnica apreciará que esses aspectos podem também ser armazenados em ou lidos de outros tipos de produtos de programa de computador ou mídia legível pelo computador, tais como dispositivo de armazenagem secundária, incluindo discos rígidos, disquetes, CDs, ou DVDs; ou outras formas de RAM ou ROM.

[0036] A FIGURA 1 deve ser mencionada para o restante da descrição onde quer seja feita referência ao sistema 100 ou a um seu componente.

[0037] Os fluxogramas das figuras ilustram a arquitetura, a funcionalidade e a operação de possíveis implementações de sistemas, métodos e mídia legível por computador de acordo com várias concretizações. Neste aspecto, cada bloco nos fluxogramas pode representar um módulo, segmento, ou porção de código, que compreende uma ou mais instruções executáveis para a implementação da(s) função (ões) lógica(s) especificada(s). Será apreciado que qualquer um ou mais (ou todos os) blocos dos fluxogramas podem ser implementados pelos sistemas baseados em hardware de finalidade especial que realizam as funções ou ações especificadas, ou por combinações de instruções pelo computador e hardware de finalidade especial.

[0038] Faz-se referência agora à FIGURA 2, que mostra um fluxograma que ilustra um método 200 de detecção de vírus de batata em uma imagem de colheita. Em 204, uma imagem de colheita é armazenada na memória 102. Um exemplo de uma imagem de colheita 400 é mostrada na FIGURA 4. Como mostrado, uma imagem de colheita 400 pode ser uma fotografia tirada de cima de um campo de colheita, olhando para baixo em direção às plantas de batata 404. A perspectiva aérea pode prover boa visibilidade das folhas de planta de batata 408, que exibem os sintomas de vírus nos quais o método se baseia para a sua análise.

[0039] A imagem de colheita 400 pode ser tomada de qualquer maneira, com qualquer câmera ou dispositivo equipado com câmera. Por exemplo, a imagem de colheita 400 pode ser tomada por um fazendeiro ou prestador de serviço usando uma câmera digital (por exemplo, câmera "point-and-shoot", câmera digital SLR, ou câmera de vídeo), um "smartphone" equipado com câmera, uma câmera montada em equipamento de fazenda (por exemplo, uma colhedeira combinada), ou um drone equipado com câmera. A imagem de colheita 400 pode incluir uma fotografia discreta, uma imagem costurada junto a partir de muitas fotografias (por exemplo, panorama), ou uma ou mais estrutura de um gravador de vídeo, por exemplo.

[0040] A imagem de colheita 400 pode incluir qualquer número de plantas de batata. Por exemplo, a imagem de colheita 400 pode incluir entre uma porção de uma planta de batata e um campo inteiro de colheitas de plantas de batata. De preferência, a imagem de colheita 400 inclui uma pluralidade de plantas de batata. Isso pode permitir que o método de detecção realize uma análise em massa computacionalmente eficiente sobre a pluralidade de plantas de batata mostrada em uma imagem de colheita. Por exemplo, um campo de colheita de diversas centenas de acres pode ser capturado por umas poucas centenas de fotografias ou menos (por exemplo, 1-700 fotografias), que podem permitir uma eficiente análise pelo método 200. A eficiência computacional do método 200 pode permitir que um campo inteiro de colheita seja analisado quanto a vírus de batata em uma base regular (por exemplo, por dia, por semana, ou por mês).

[0041] O método 200 determina se uma imagem de colheita contém vírus de batata com base nos sintomas visíveis que aparecem sobre as folhas das plantas de batata retratadas. Em 208, o processador 112 identifica uma primeira região de imagem de colheita 400 (FIGURA 4) contendo folhas de batata, que é exclusiva de uma segunda região da imagem de colheita 400 (FIGURA 4) contendo imagens que não são de folhas, tais como sujeira e detritos. Em algumas concretizações, o processador 112 pode excluir, pintar , ou de outro forma alterar a segunda região para excluir a segunda região da análise subsequente. Por exemplo, o processador 112 pode criar e aplicar uma ou mais máscaras de imagem para imagem de colheita 400 (FIGURA 4) a fim de remover imagens que não são de folhas de análise subsequente.

[0042] A FIGURA 3 é um fluxograma ilustrando um método 300 de identificação de folhas de batata em uma imagem de colheita, que inclui a criação e a aplicação de máscaras de imagens à base de duas cores a uma imagem de colheita. As etapas 304-316 referem-se à criação de uma máscara de imagem à base de plano de magenta, e a etapa 320 refere-se à criação de uma máscara de cor à base de RGB. As duas máscaras são aplicadas à imagem de colheita 400 (FIGURA 4) em 324. Será apreciado que embora bons resultados tenham sido obtidos por criação e aplicação de ambas as máscaras de imagem à base de cor descritas, resultados satisfatórios podem ser atingidos por criação e aplicação de apenas uma das duas máscaras de imagem à base de cores, ou uma ou mais máscaras de imagem à base de cores diferentes. Em algumas concretizações, a identificação das folhas de batata pode incluir a criação e a aplicação de uma das ou ambas as máscaras de imagem à base de cores descritas, além da criação e da aplicação de uma outra máscara à base de cor.

[0043] Mais câmeras são configuradas para capturar imagens mapeadas para o espaço de RGB. No processador 304, 112 cria uma imagem de CMYK a partir de uma imagem de colheita 400 (FIGURA 4) e armazena a imagem na memória 102. O processador 112 pode converter uma imagem de colheita (ou uma sua cópia) em uma imagem de CMYK de acordo com qualquer método conhecido na técnica. Essa etapa pode ser omitida onde a imagem de colheita capturada 400 (FIGURA 4) é já mapeada para o espaço de cor de CMYK.

[0044] Os inventores verificaram que o plano magenta de uma imagem de colheita é eficaz para o isolamento de imagens que não são de folhas. Em 308, o processador 112 cria uma imagem binária a partir do plano magenta da imagem de CMYK. A FIGURA 5 mostra um exemplo do plano magenta 500 de imagem de colheita 400 (FIGURA 4). A FIGURA 6 mostra um exemplo de uma imagem binária 600 criada com base no plano magenta 500 (FIGURA 5) de imagem de colheita 400 (FIGURA 4). Em uma imagem binária, todos os pixels são uma primeira ou segunda cor (tipicamente branco ou preto). Para clareza de ilustração, os exemplos abaixo referem-se a imagens binárias como tendo pixels brancos ou pretos. No entanto, é expressamente contemplado que, em outras concretizações, uma imagem binária pode ser formada por quaisquer duas cores.

[0045] O plano magenta 500 pode ser binarizado, por ajuste de cada pixel para preto ou branco com base em se o pixel satisfaz um ou mais critérios de magenta. Os critérios de magenta podem incluir um limiar de valor máximo ou mínimo, uma ou mais faixas de valores magenta, ou suas combinações. Pixels que têm valores de magenta acima ou abaixo do limiar de valor de magenta, e/ou que têm valores de magenta dentro de ou do lado de fora de uma ou mais das faixas de valor de magenta serão todos ajustados ou para branco ou todos serão ajustados para preto. Os critérios de magenta podem ser predeterminados para a aplicação a uma pluralidade de imagens de colheita, ou determinados separadamente para cada imagem de colheita. Por exemplo, uma imagem de colheita 400 (FIGURA 4) pode sofrer pré-processamento para corrigir para características de imagem, tais como condições de equilíbrio branco e de iluminação, para prover uniformidade suficiente para aplicar critérios de magenta pré- determinados. Em outras concretizações, critérios de magenta são determinados para cada imagem de colheita 400 (FIGURA 4) com base nas características de imagem (por exemplo, equilíbrio de branco e iluminação) da imagem de colheita particular. A imagem binária 600 da FIGURA 6 foi preparada com critérios de magenta incluindo um limiar de valor de magenta de 0 em uma escala de 0 a 255, onde pixels tendo um valor de magenta acima do limiar do valor de magenta foram ajustados para branco e onde pixels brancos representam imagens que não são de folhas 604.

[0046] Será apreciado que uma relação matemática existe para a conversão em pixel de uma imagem de RGB em uma imagem de CMYK, de modo que um algoritmo pode ser planejado para criar imagem binária com base em magenta 600 a partir de uma imagem de colheita de RGB sem ter que criar ou armazenar uma imagem de CMYK.

[0047] Em 312, o processador 112 morfologicamente dilata uma imagem binarizada 600 (FIGURA 6) para criar uma imagem binarizada dilatada 700 (FIGURA 7) tendo uma região de não folhas alargada 704 (por exemplo, região de pixel branca). Isso pode ser útil para a captura de imagens adicionais que não são de folhas de uma imagem de colheita, especialmente onde um perfil de magenta conservadora foi aplicado a 308 para evitar a captura de folhas de planta na região de não folhas 604 (FIGURA 6). Por exemplo, o perfil de magenta aplicado a 308 pode não consistentemente capturar porções da região de não folhas que se limita com folhas de planta, e a dilatação morfológica pode ser eficaz na expansão da região de não folhas 704 (FIGURA 7) para capturar porções de borda. Em concretizações alternativas, o perfil de magenta aplicado a 308 pode ser suficientemente exato, de modo que a dilatação morfológica a 312 pode ser omitida.

[0048] Em 316, o processador 112 cria uma primeira máscara a partir da imagem binária dilatada 700 (FIGURA 7). Com referência à FIGURA 8, o processador 112 pode inverter imagem binária 700 (FIGURA 7) para criar máscara de imagem 800. No exemplo ilustrado, isso permite que a região de não folhas 804 seja representada por pixels pretos, e a região de folha 808 seja representada por pixels brancos. Isso está em conformidade com os padrões da indústria em que pixels pretos em uma máscara de imagem excluem (ou sobrepintam) da imagem à qual eles são aplicados. Por exemplo, quando a máscara de imagem 800 é aplicada a imagem de colheita 400 (FIGURA 4), a região de não folhas preta 804 de máscara de imagem 800 sobrepintará ("will paint over") de preto a porção correspondente da imagem de colheita 400 (FIGURA 4), a região de não folhas preta ou branca 808 de máscara de imagem 800 deixará a porção correspondente da imagem de colheita 400 (FIGURA 4) não perturbada.

[0049] Em concretizações alternativas, a imagem binarizada 600 (FIGURA 6) criada em 308 ou a imagem binarizada dilatada 700 (FIGURA 7) criada em 312 pode ser usada diretamente como uma máscara sem inversão de cor, por configuração da operação de mascaramento para tratar os pixels pretos e brancos em oposição à convenção padrão.

[0050] Em 320, o processador 112 cria uma segunda máscara com base no limiar de canal de cor (por exemplo, limiar de RGB). Por exemplo, o processador 112 pode criar uma máscara de imagem por binarização de imagem de colheita 400 (FIGURA 4) com base nos critérios de canal de cor (por exemplo, critérios de RGB). O critério de canal de cor pode incluir um ou mais valores de canal de cor de limiar predeterminados (por exemplo, valores de RGB), uma ou mais faixas de valor de canal de cor predeterminadas (por exemplo, faixas de valor de RGB), ou suas combinações. Por exemplo, pixels que têm valores de RGB acima ou abaixo dos valores de RGB limiares ou que têm valores de RGB dentro de ou do lado de fora de uma ou mais das faixas de valor de RGB serão todos ajustados para branco ou todos serão ajustadas para preto. Em um exemplo, os critérios de RGB incluem uma faixa de valores de RGB de (17, 54, 17) a (174, 211, 153), onde cada um dos canais Vermelho, Verde e Azul é mapeado de uma faixa de 0255, onde pixels dentro da faixa de valores de RGB são ajustados para preto para representar a região de não folhas e onde os pixels restantes são ajustados para branco para representar a região de folha.

[0051] Em 324, o processador 112 aplica a(s) máscara(s) com base em cor criadas à imagem de colheita 400 (FIGURA 4) para criar uma imagem de colheita mascarada. A FIGURA 9 mostra uma imagem de colheita mascarada exemplar 900 criada por mascaramento da imagem de colheita 400 (FIGURA 4) com o plano magenta com base na máscara criada em 316 e ulteriormente mascarada pela máscara com base em RGB criada em 320. Como mostrado, a segunda região sobrepintada 904 contém pouca ou nenhuma folha de planta e a primeira região restante 908 contém predominantemente folhas de plantas com pouca ou nenhuma imagem que não são de folhas. Por exemplo, a primeira região 908 inclui pelo menos 80% das folhas de planta mostradas na imagem de colheita 400 (FIGURA 4), e segunda região 904 inclui pelo menos 80% das imagens que não são de folhas mostradas na imagem de colheita 400 (FIGURA 4). Durante o processamento subsequente, a vincagem de folha e a descoloração de folha são avaliadas com base na primeira região restante 908.

[0052] Referência é agora feita à FIGURA 2. Depois da identificação da primeira região 908 (FIGURA 9) contendo folhas de planta de batata 408 de imagem de colheita 400 (FIGURA4), o método prossegue com avaliação da primeira região 908 (FIGURA 9) para sintomas de vírus de batata e pesando aqueles sintomas para determinar se as plantas de batata na imagem de colheita estão infectadas com vírus de batata (FIGURA 9).

[0053] Em 212, o processador 112 segmenta imagem de colheita 400 (FIGURA 4) em segmentos de imagem. Por exemplo, o processador 112 pode conceitualmente dividir imagem de colheita 400 (FIGURA 4) ou pelo menos primeira região 908 (FIGURA 9) em um conjunto de segmentos de imagem distintos. Cada segmento de imagem pode representar um bloco analítico distinto. O processador 112 pode separadamente avaliar cada segmento de imagem no tocante a sintoma de vírus. Por exemplo, o processador 112 pode repetir cada uma das etapas de 216 a 236 para cada segmento de imagem. O processador 112 pode então determinar se quaisquer plantas de batata na imagem de colheita 400 (FIGURA 4) estão infectadas com vírus de batata com base na quantidade e agrupamento de segmentos de imagem exibindo sintomas de vírus.

[0054] O processador 112 pode segmentar imagem de colheita 400 em qualquer número de segmentos de imagem (por exemplo, mais do que 10 segmentos, tais como de 10-10.000 segmentos). O número de segmentos de imagem pode depender da resolução e do campo de visão da imagem de colheita 400. Por exemplo, onde o campo de visão da imagem de colheita 400 é pequeno (por exemplo, imagem de colheita 400 captura muito poucas plantas ou apenas uma porção de uma planta), então o processador 112 pode segmentar a imagem de colheita 400 em segmentos de imagem relativamente pequenos (por exemplo, 10-50 segmentos) de modo que segmentos de imagem individual incluem uma porção suficiente de uma planta de batata para realizar-se uma análise quanto ao sintomas de vírus. Em contraste com isso onde o campo de visão da imagem de colheita 400 é grande (por exemplo, imagem de colheita 400 captura muitas plantas), então o processador 112 pode segmentar a imagem de colheita 400 em muitos segmentos de imagem (por exemplo, 51-10.000 segmentos) de modo que cada planta ou folha na imagem de colheita 400 é dividida entre vários segmentos de imagem para análise. Um segmento de imagem pode ter qualquer tamanho e forma. As FIGS. 11-15 mostram exemplos incluindo segmentos de imagem 1104, 1204, 1304, 1404, e 1505 que são retangulares e uniformemente dimensionados. Isso pode simplificar a divisão da imagem em segmentos de imagem. Em outras concretizações, o processador 112 pode segmentar imagem de colheita 400 em segmentos de imagem que são não retangulares, tais como segmentos circulares ou triangulares, ou segmentos de outras formas regulares ou irregulares. Além do mais, em algumas concretizações, o processador 112 pode segmentar imagem de colheita 400 em segmentos de imagem de forma e/ou tamanho não uniforme. Por exemplo, os segmentos podem incluir segmentos de múltiplas formas diferentes e/ou múltiplos tamanhos diferentes.

[0055] Um sintoma de alguns vírus de batata, tal como vírus de batata Y, é a vincagem da folha. Em 216, o processador 112 identifica vincagem de folha dentro da primeira região 908 (FIGURA 9). O processador 112 pode aplicar qualquer processo ou algoritmo que seja eficaz para a identificação de vincagem da folha. Quando comparado com métodos de análise de textura convencionais (por exemplo, análise de textura de GLCM), os inventores verificaram que uma vincagem de folha pode ser mais rapidamente e computacionalmente eficazmente identificada através do uso de uma ou mais (ou a totalidade) dos métodos de detecção de aresta, linha, e contorno. Em geral, arestas e linhas maiores e áreas de contorno menores dentro de um segmento da primeira região 908 (FIGURA 9) pode ser sintomático de vírus de batata.

[0056] Em 220, o processador 112 mostra arestas dentro dos segmentos de imagem da primeira região 908 (FIGURA 9) e compara as arestas detectadas contra critérios de aresta sintomáticos de vincagem da folha do vírus de batata. O processador 112 pode usar qualquer método de detecção de arestas adequado para detecção de arestas dentro das folhas da planta, tais como, por exemplo, detecção de aresta Canny. A detecção de aresta Canny usa limiares de gradiente de pixel duplo (superior e inferior) para distinguir arestas detectadas de variação de cor natural ou ruído ("noise"). Por exemplo, os limiares superior e inferior para a detecção de aresta Canny podem ser providos como se segue:

[0057] Na operação, se um valor de gradiente de pixel for maior do que o limiar superior, o pixel é aceito como uma aresta; se o valor de gradiente de pixel for abaixo do limiar inferior, então ele é rejeitado; e se um valor de gradiente de pixel estiver entre os dois limiares, então ele será aceito como uma aresta apenas se ele estiver ligado a um pixel que estiver acima do limiar superior. Nesse exemplo, o limiar superior é um desvio padrão acima do gradiente médio no segmento de imagem, e o limiar inferior é um desvio padrão abaixo do gradiente médio no segmento de imagem.

[0058] A FIGURA 10 é uma imagem 1000 incluindo arestas 1004 detectadas pelo processador 112 dentro da primeira região 908 (FIGURA 9) representada pelos pixels brancos. O processador 112 pode comparar as arestas detectadas 1004 (FIGURA 10) contra critérios de aresta sintomáticos de vírus de batata de vincagem da folha. Os critérios de aresta podem incluir uma quantidade mínima limiar de arestas, tais como um número limiar mínimo de pixels de arestas (por exemplo, pixels brancos) como um número absoluto ou como uma proporção do número de pixels dentro do segmento (por exemplo, mais do que 10% de pixels de arestas). A FIGURA 11 ilustra uma imagem exemplar 1100 mostrando segmentos 1104 identificados pelo processador 112 como tendo mais do que 13.8% de pixels de arestas como sendo sintomáticos de vírus de batata.

[0059] Em 224, o processador 112 mostra linhas discretas dentro da primeira região 908 (FIGURA 9) definida pelas arestas 1004 (FIGURA 10) detectada em 220, e compara as linhas contra critérios de linha sintomáticos de vírus de batata. O processador 112 pode usar qualquer método de detecção de linhas adequado para a detecção de linhas dentro das arestas detectadas em 220, tais como detecção de linhas de Hough por exemplo. Os critérios de linha podem incluir uma quantidade mínima limiar de linhas, tais como um número limiar mínimo de linhas tendo um comprimento limiar mínimo. O número limiar de linhas pode ser expresso como um número absoluto ou uma de área do mundo real retratada pelo segmento (por exemplo, linhas por centímetro quadrado). O comprimento limiar pode ser expresso como um número absoluto de pixels, uma medida do mundo real (por exemplo, centímetros), ou como uma proporção de uma dimensão do segmento (por exemplo, percentagem da largura de segmento), por exemplo. A FIGURA 12 ilustra uma imagem exemplar 1200 mostrando segmentos de imagem 1204 identificados pelo processador 112 como tendo pelo menos 50 linhas com um comprimento de pelo menos 50 pixels (por exemplo, pelo menos 30% da largura de segmento).

[0060] Em 228, o processador 112 mostra contornos dentro da primeira região 908 (FIGURA 9) definidos por arestas 1004 (FIGURA 10) detectadas em 220, e compara os contornos detectados contra critérios de contorno sintomáticos de vírus de batata de vincagem da folha. Um contorno é uma forma fechada formada pelas arestas 1004 (FIGURA 10) detectadas em 220 (por exemplo, uma região completamente circundada pixels de arestas). Os inventores verificaram que, se nenhum contorno dentro de um segmento tem uma área que excede uma área limiar específica (por exemplo, 1500 pixels), então tal segmento é mais provável de exibir vincagem sintomática de vírus de batata. Os critérios de contorno podem incluir a uma área de contorno limiar máxima, que pode ser expressa como um número absoluto de pixels, uma medida do mundo real (por exemplo, centímetros quadrados), ou como uma proporção da área de segmento (por exemplo, percentagem da área de segmento). A FIGURA 13 ilustra uma imagem exemplar 1300 mostrando segmentos de imagem 1304 identificados pelo processador 112 que satisfazem um critério de contorno, que é a ausência de contornos tendo uma área de contorno individual que excede 1500 pixels (por exemplo, 8,5% área de segmento).

[0061] Um outro sintoma de alguns vírus de batata, tais como vírus de batata Y, é a descoloração de folha. Em 232, o processador 112 compara o perfil de cores de cada segmento de imagem dentro da primeira região 908 (FIGURA 9) contra critérios de cor. O perfil de cores de um segmento de imagem pode incluir quaisquer um ou mais valores de qualquer propriedade de cor daquele segmento, que pode incluir quaisquer um ou mais propriedades de histograma (por exemplo, média, moda, sigma, largura total de um máximo de metade, raiz média quadrada, percentil, mínimo, e máximo) para quaisquer canal ou canais de quaisquer um ou mais espaços de cor (por exemplo, sem limitação, RGB, CMYK, HSV, e HSL). Similarmente, os critérios de cor podem incluir quaisquer um ou mais valores e/ou faixas de valores de qualquer tal propriedade de cor, onde aqueles valores ou faixas de valores podem ser sintomáticos de vírus de batata de descoloração de folha.

[0062] Em uma concretização, o perfil de cores de um segmento inclui a distância Euclideana e um cone de cores entre dois valores médios de canais de cores naquele segmento. Por exemplo, o perfil de cores pode incluir a distância Euclideana e um cone de cores entre os valores médios verdes e vermelhos, e entre os valores médios de cor verdes e azuis no segmento. A FIGURA 14 ilustra uma imagem exemplar 1400 mostrando segmentos de imagem 1404 que o processador 112 identificou como satisfazendo os seguintes critérios de cor: distância Euclideana entre verde médio e vermelho médio de menos do que 3 ou mais do que 45,5, e distância Euclideana entre verde médio e azul médio de menos do que 10 ou mais do que 113. Segmentos 1404 são sintomáticos de descoloração de vírus de batata.

[0063] Em 236, o processador 112 determina se cada segmento exibe sintomas de vírus de batata com base nos critérios de vincagem de folha avaliados em 216-228 e os critérios de cor avaliados em 232. Em algumas concretizações, o processador 112 pode atribuir um valor podnderado ao resultado de cada vincagem de folha e comparação de cor, e determinar que um segmento exibe sintomas de vírus de batata onde a soma daqueles valores ponderados excede um limiar predeterminado. Por exemplo, o processador 112 pode atribuir um valor de 20% para satisfazer os critérios de aresta a 220, um valor de 20% para satisfazer os critérios de linha a 224, um valor de 20% para satisfazer os critérios de contorno a 228, e um valor de 40% para satisfazer os critérios de cor a 232, e então determinar que um segmento exibe sintomas de vírus de batata onde a soma excede 50%. Isso exemplo permite um segmento de ser identificado como exibindo sintomas de vírus de batata onde a totalidade dos critérios de vincagem de folha são satisfeitos, ou onde os critérios de cor e pelo menos uns critérios de vincagem de folha são satisfeitos. A FIGURA 15 ilustra uma imagem exemplar 1500 mostrando segmentos de imagem 1504 que o processador 112 identificou como tendo satisfeito pelo menos um critério (aresta, linha, contorno, ou color). O processador 112 terminou um valor pesado para cada segmento 1504. Os segmentos 1504 tendo um valor pesado que excede um limiar predeterminado (por exemplo, 50%) são identificados pelo processador 112 as exibindo sintomas de vírus de batata.

[0064] Em 240, o processador 112 determina se imagem de colheita 400 (FIGURA 4) contém vírus de batata com base se nos segmentos 1504 (FIGURA 15) identificados quando exibindo sintomas de vírus de batata a 236 satisfazem critérios de quantidade. Em algumas concretizações, os critérios quantidade podem incluir um limiar de número mínimo de segmentos 1504 (FIGURA 15), que pode ser expresso como um número absoluto (por exemplo, 5 segmentos) ou uma proporção do número total de segmentos na imagem de colheita 400 (FIGURA 4) formou a 212 (por exemplo, 0,5% dos segmentos de imagem de colheita total). Um fazendeiro pode usar as imagens de colheita identificadas a 240 para localizar plantas infectadas por vírus em sua fazenda (por exemplo, usando-se a etiqueta de geolocalização * (geo-tag) ou outra informação de localização associada à imagem de colheita) e carmim aquelas para evitar que ulteriormente se espalhe do vírus. Isso pode reduzir a perda de rendimento de colheita devido ao vírus de batata.

[0065] Embora a descrição acima proveja das concretizações, será apreciado que algumas características e/ou funções das concretizações descritas são suscetíveis a modificação sem se afastar o espírito e princípios da operação das concretizações descritas. Correspondentemente, o que foi descrito acima foi destinado a ser ilustrativo da invenção e não limitante e será entendido pelas pessoas versadas no assunto que outras variantes e modificações podem ser feitas sem se afastar do escopo da invenção como definido nas reivindicações anexas às mesmas. O escopo das reivindicações não deve ser limitado pelas concretizações preferidas e exemplos, mas sim receber a interpretação mais ampla consistente com a descrição como um todo.

Claims

1. Método (200) de detecção de um vírus de batata em uma imagem de colheita (400) retratando pelo menos uma planta de batata (404), o método (200) compreendendo: o armazenamento da imagem de colheita (400) em uma memória (102), o método caracterizado pelo fato de: identificar, por um processador (112), uma primeira região da imagem de colheita (400), a primeira região retratando folhas (408) de planta de batata, em que a primeira região é exclusiva de uma segunda região da imagem de colheita (400), a segunda região retratando imagens que não são de folhas; identificar, pelo processador (112), uma pluralidade de arestas (1004) dentro da primeira região; determinar, pelo processador (112), se um segmento de imagem da imagem de colheita (400) dentro da primeira região satisfaz um ou mais critérios de vincagem de folha com base nas arestas (1004) que estão localizadas dentro do segmento de imagem, em que os critérios de vincagem de folha são sintomáticos de vincagem de folha causada pelo vírus; determinar, pelo processador (112), se o segmento de imagem satisfaz um ou mais critérios de cor sintomáticos de descoloração causada pelo vírus; e determinar, pelo processador (112), se o segmento exibe sintomas de vírus de batata com base no fato de o segmento de imagem satisfazer um ou mais dos critérios de vincagem de folha e os critérios de cor.

2. Método de acordo com a reivindicação 1, caracterizado pelo fato de que compreende ainda: determinar, pelo processador (112), se a imagem de colheita (400) contém vírus de batata com base em uma quantidade de segmentos de imagem dentro da imagem de colheita que são identificadas como exibindo sintomas de vírus de batata.

3. Método de acordo com qualquer uma das reivindicações 1 e 2, caracterizado pelo fato de que: os um ou mais critérios de vincagem de folha incluem uma quantidade mínima limiar de arestas (1004) dentro do segmento de imagem.

4. Método de acordo com qualquer uma das reivindicações 1 a 3, caracterizado pelo fato de que: os um ou mais critérios de vincagem de folha incluem um ou mais critérios de linha, e a determinação se o segmento de imagem satisfaz os critérios de linha compreende a identificação de linhas dentro do segmento definido pelas arestas (1004).

5. Método de acordo com a reivindicação 4, caracterizado pelo fato de que: os um ou mais critérios de linha incluem uma quantidade mínima limiar de linhas.

6. Método de acordo com qualquer uma das reivindicações 1 a 5, caracterizado pelo fato de que: os um ou mais critérios de vincagem de folha incluem um ou mais critérios de contorno, e a determinação se o segmento de imagem satisfaz os critérios de contorno compreende a identificação de contornos dentro do segmento de imagem definido pelas arestas (1004).

7. Método de acordo com a reivindicação 6, caracterizado pelo fato de que: os um ou mais critérios de contorno incluem se cada contorno dentro do segmento tem uma área que não excede uma área máxima limiar.

8. MétoJmais critérios de cor incluem uma ou mais faixas de valores de distâncias Euclidianas em um cone de cores entre dois valores médios de canais de cores.

9. MétoJação da primeira região compreende a criação de uma primeira máscara com base no canal magenta da imagem de colheita (400) ou de uma imagem gerada a partir da imagem de colheita (400).

10. Método de acordo com a reivindicação 9, caracterizado pelo fato de que: a identificação da primeira região compreende ainda a criação de uma segunda máscara com base em uma ou mais faixas de valores de canais de cores limiares pré-determinadas.

11. Suporte legível por computador compreendendo instruções executáveis por um processador, em que as instruções, quando executadas, configuram o processador (112) para: armazenar uma imagem de colheita (400) em uma memória (102); caracterizado pelo fato de que as instrução, quando executadas, configuram o processador (112) para: identificar uma primeira região da imagem de colheita (400), a primeira região retratando folhas de planta de batata (408), em que a primeira região é exclusiva de uma segunda região da imagem de colheita (400), a segunda região retratando imagens que não são de folhas; identificar uma pluralidade de arestas (1004) dentro da primeira região; determinar se um segmento de imagem da imagem de colheita (400) dentro da primeira região satisfaz um ou mais critérios de vincagem de folha com base nas arestas (1004) que estão localizadas dentro do segmento de imagem, em que os critérios de vincagem de folha são sintomáticos de vincagem de folha causada por um vírus de batata; determinar se o segmento de imagem satisfaz um ou mais critérios de cor sintomáticos de descoloração causada pelo vírus; e determinar se o segmento exibe sintomas de vírus de batata com base no fato de o segmento de imagem satisfazer um ou mais dos critérios de vincagem de folha e os critérios de cor.

12. Suporte legível por computador de acordo com a reivindicação 11, caracterizado pelo fato de que as instruções, quando executadas, ainda configuram o processador (112) para: determinar se a imagem de colheita contém vírus de batata com base em uma quantidade de segmentos de imagem dentro da imagem de colheita que são identificadas como exibindo sintomas de vírus de batata.

13. Suporte legível por computador de acordo com qualquer uma das reivindicações 11 e 12, caracterizado pelo fato de que: os um ou mais critérios de vincagem de folha incluem uma quantidade mínima limiar de arestas dentro do segmento de imagem.

14. Suporte legível por computador de acordo com qualquer uma das reivindicações 11 a 13, caracterizado pelo fato de que: os um ou mais critérios de vincagem de folha incluem um ou mais critérios de linha, e a determinação se o segmento de imagem satisfaz os critérios de linha compreende a identificação de linhas dentro do segmento definido pelas arestas (1004).

15. Suporte legível por computador de acordo com a reivindicação 14, caracterizado pelo fato de que: os um ou mais critérios de linha incluem uma quantidade mínima limiar de linhas.

16. Suporte legível por computador de acordo com qualquer uma das reivindicações 11 a 15, caracterizado pelo fato de que: os um ou mais critérios de vincagem de folha incluem um ou mais critérios de contorno, e a determinação se o segmento de imagem satisfaz os critérios de contorno compreende a identificação de contornos dentro do segmento de imagem definido pelas arestas (1004).

17. Suporte legível por computador de acordo com a reivindicação 16, caracterizado pelo fato de que: os um ou mais critérios de contorno incluem se cada contorno dentro do segmento tem uma área que não excede uma área limiar máxima.

18. Suporte legível por computador de acordo com qualquer uma das reivindicações 11 a 17, caracterizado pelo fato de que: os um ou mais critérios de cor incluem uma ou mais faixas de valores de distâncias Euclidianas e um cone de cores entre dois valores médios de canais de cores.

19. Suporte legível por computador de acordo com qualquer uma das reivindicações 11 a 18, caracterizado pelo fato de que: a identificação da primeira região compreende a criação de uma primeira máscara com base no canal magenta da imagem de colheita (400) ou de uma imagem gerada a partir da imagem de colheita.

20. Suporte legível por computador de acordo com a reivindicação 19, caracterizado pelo fato de que: a identificação da primeira região compreende ainda a criação de uma segunda máscara com base nas ditas uma ou mais faixas de valores de canal de cor limiar pré-determinadas.

21. Sistema para a detecção de vírus de batata em uma imagem de colheita contendo plantas de batata, o sistema compreendendo: uma memória (102) que armazena instruções legíveis por computador e a imagem de colheita; e um processador configurado para executar as instruções legíveis por computador, caracterizado pelo fato de que as instruções legíveis por computador configuram o processador (112) para: identificar uma primeira região da imagem de colheita (400), a primeira região retratando folhas (408) de planta de batata, em que a primeira região é exclusiva de uma segunda região da imagem de colheita (400), a segunda região retratando imagens que não são de folhas; identificar uma pluralidade de arestas (1004) dentro da primeira região; determinar se um segmento de imagem da imagem de colheita dentro da primeira região satisfaz um ou mais critérios de vincagem de folha com base nas arestas (1004) que estão localizadas dentro do segmento de imagem, em que os critérios de vincagem de folha são sintomáticos de vincagem de folha causada pelo vírus; determinar se o segmento de imagem satisfaz um ou mais critérios de cor sintomáticos de descoloração causada pelo vírus; e determinar se o segmento exibe sintomas de vírus de batata com base no fato de o segmento de imagem satisfazer um ou mais dos critérios de vincagem de folha e os critérios de cor.

22. Sistema de acordo com a reivindicação 21, caracterizado pelo fato de que as instruções legíveis por computador ainda configuram o processador (112) para: determinar se a imagem de colheita (400) contém vírus de batata com base em uma quantidade de segmentos de imagem dentro da imagem de colheita (400) que são identificadas como exibindo sintomas de vírus de batata.

23. Sistema de acordo com qualquer uma das reivindicações 21 e 22, caracterizado pelo fato de que: os um ou mais critérios de vincagem de folha incluem uma quantidade mínima limiar de arestas dentro do segmento de imagem.

24. Sistema de acordo com qualquer uma das reivindicações 21 a 23, caracterizado pelo fato de que: os um ou mais critérios de vincagem de folha incluem um ou mais critérios de linha, e a determinação se o segmento de imagem satisfaz os critérios de linha compreende a identificação de linhas dentro do segmento definido pelas arestas (1004).

25. Sistema de acordo com a reivindicação 24, caracterizado pelo fato de que: os um ou mais critérios de linha incluem uma quantidade mínima limiar de linhas.

26. Sistema de acordo com qualquer uma das reivindicações 21 a 25, caracterizado pelo fato de que: os um ou mais critérios de vincagem de folha incluem um ou mais critérios de contorno, e a determinação se o segmento de imagem satisfaz os critérios de contorno compreende a identificação de contornos dentro do segmento de imagem definido pelas arestas (1004).

27. Sistema de acordo com a reivindicação 26, caracterizado pelo fato de que: os um ou mais critérios de contorno incluem se cada contorno dentro do segmento tem uma área que não excede uma área limiar máxima.

28. Sistema de acordo com qualquer uma das reivindicações 21 a 27, caracterizado pelo fato de que: os um ou mais critérios de cor incluem uma ou mais faixas de valores de distâncias Euclidianas e um cone de cores entre dois valores médios de canais de cores.

29. Sistema de acordo com qualquer uma das reivindicações 21 a 28, caracterizado pelo fato de que: a identificação da primeira região compreende a criação de uma primeira máscara com base em um canal magenta da imagem de colheita (400) ou de uma imagem gerada a partir da imagem de colheita (400).

30. Sistema de acordo com a reivindicação 29, caracterizado pelo fato de que: a identificação da primeira região ainda compreende a criação de uma segunda máscara com base em uma ou mais faixas de valores de canal de cor limiar pré-determinadas.