Um dos passos fundamentais no processamento de imagens para um sistema de visão artificial é a segmentação dos objetos de interesse na cena, e um dos métodos mais utilizados é a limiarização, em especial quando o objetivo é agrupar os pixels em duas classes. Neste método, o valor do limiar determina o número de pixels atribuídos a cada classe, além de influenciar a dimensão e a forma dos objetos nas imagens segmentadas. A utilização de métodos automáticos para definição do limiar, não só evitaria a influência de operadores mas, também, tornaria mais rápida a escolha dos limiares no campo, onde a variação da iluminação influencia os valores dos pixels. Este trabalho objetivou implementar e avaliar dois métodos automáticos de limiarização para identificação de plantas de milho atacadas pela lagarta do cartucho. Foram utilizadas imagens de plantas atacadas e não-atacadas, em três épocas, correspondendo a diferentes dias após a infestação. As plantas foram reunidas em três grupos de 10, sendo as imagens de cada grupo obtidas sob uma intensidade luminosa diferente. As imagens processadas com o índice do excesso de verde normalizado foram limiarizadas, automaticamente, e comparadas com a limiarização manual das mesmas imagens. Os resultados obtidos pelos dois métodos automáticos de limiarização foram satisfatórios, apresentando média acima de 99% de exatidão global, evidenciando-se, portanto, que ambos os métodos têm potencial para serem utilizados em um sistema de identificação de plantas de milho atacadas pela lagarta do cartucho.

A fundamental step in image processing for machine vision is the scene segmentation and one of the most used methods is the threshold, especially when one desires to cluster the pixels in two classes. The image threshold affects the number of pixels in each class and the object shape and dimension. An automatic thresholding method not only could avoid operator's influence but also could speed up the threshold value definition in the field where light variation influences the pixels values. In this work, two automatic thresholding methods were evaluated for use in a machine vision system that identifies damaged corn plants by the armyworms. The images used were of damaged and not damaged corn plants in three stages. Three groups of 10 plants were collected to take the images of each group under different light intensities. The images processed with the excess green index were thresholded with the automatic methods and compared with the manual thresholding methods. The results of both automatic methods were good, with a mean accuracy higher than 99%, showing the potential of the system for identifying the damaged corn plants.