O conceito de Agricultura de Precisão está normalmente associado à utilização de equipamento de alta tecnologia (seja hardware, no sentido genérico do termo, ou software) para avaliar, ou monitorizar, as condições numa determinada parcela de terreno, aplicando depois os diversos fatores de produção (sementes, fertilizantes, fitofármacos, reguladores de crescimento, água, etc.), em conformidade. O tema proposto na presente dissertação tem como objetivo criar um algoritmo de análise e processamento de imagem que caracterize uma árvore, em particular pessegueiro, distinga os frutos e calcule as suas dimensões, e/ou volume, e/ou peso. A distinção dos frutos em árvore, ou seja, em ambiente natural, é complexa e requer algoritmos de segmentação igualmente complexos. No presente estudo, a segmentação de imagem é aplicada de forma a extrair as características de cor e forma usadas para identificação dos frutos. Para melhorar este reconhecimento, um método de classificação com recurso a uma máquina de suporte vetorial é usado, atingindo uma taxa de reconhecimento a rondar 70%. A estimativa da previsão de produção é feita com recurso aos valores do volume calculados para os frutos reconhecidos, obtendo um valor estimado para a previsão de produção de 29,3 toneladas por hectare.

The concept of Precision Agriculture is usually associated with the usage of high-end technology equipments (being hardware or software), to first evaluate or control the conditions of a determined portion of land, applying afterwards various factors of production accordingly, like seeds, fertilizers, phytopharmaceuticals, growing regulators, water, etc. The proposed theme of this dissertation aims to create an algorithm capable of analyse and process images to characterize trees, particularly peach trees, distinguish fruits and calculate it dimensions, like volume and weight. The recognition of peaches on their natural conditions, on trees, is complex and requires segmentation algorithms, also complex. The proposed algorithm applies image segmentation for extraction of characteristics such as colour and shape. These characteristics are then used to train a classification method through a support vector machine to improve the recognition rate of fruits, accomplishing results around 70%. The production prediction is obtained with the volume values already calculated for the recognised peaches, providing a prediction of 29.3 tons per hectare.