| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Milho e Sorgo; Embrapa Pesca e Aquicultura. |
|
Data corrente: |
07/11/2016 |
|
Data da última atualização: |
11/01/2017 |
|
Tipo da produção científica: |
Boletim de Pesquisa e Desenvolvimento |
|
Autoria: |
COSTA, R. V. da; SIMON, J.; ALMEIDA, R. E. M. de; SILVA, D. D. da; COTA, L. V.; CAMPOS, L. J. M. |
|
Afiliação: |
RODRIGO VERAS DA COSTA, CNPMS; JONES SIMON, CNPASA; RODRIGO ESTEVAM MUNHOZ DE ALMEIDA, CNPASA; DAGMA DIONISIA DA SILVA, CNPMS; LUCIANO VIANA COTA, CNPMS; LEONARDO JOSE MOTTA CAMPOS, CNPSO. |
|
Título: |
Avaliação de cultivares de milho em diferentes épocas de plantio no Estado do Tocantins. |
|
Ano de publicação: |
2016 |
|
Fonte/Imprenta: |
Sete Lagoas: Embrapa Milho e Sorgo, 2016. |
|
Páginas: |
22 p. |
|
Série: |
(Embrapa Milho e Sorgo. Boletim de Pesquisa e Desenvolvimento, 139). |
|
Idioma: |
Português |
|
Conteúdo: |
O Estado do Tocantins desponta como polo agrícola do Brasil. Em 2016, ele contribuiu com mais de 1,2 milhões de hectares cultivados e com uma produção superior a três milhões de toneladas de grãos, dentre as quais a soja e o milho ocupam lugar de destaque. Um dos principais fatores de sucesso no cultivo do milho safrinha é a escolha correta das cultivares a serem utilizadas em cada região. O presente trabalho teve como objetivo avaliar o comportamento de cultivares de milho, semeadas em duas épocas de semeadura na região central do Estado do Tocantins. Os plantios foram realizados em 3 e 25/02/2014. Foram avaliadas 11 cultivares de milho nas duas épocas de plantio. As parcelas foram constituídas por quatro linhas de 5 metros, com espaçamento de 0,5 m entre linhas. Ao final do ciclo, foram determinados peso médio de espiga (PME), peso total de espigas (PTE), número de fileiras por espiga (NFE), número de grãos por fileira (NGF), peso de 1.000 grãos (PMG), umidade dos grãos (UG), peso total de grãos (PTG) e doenças foliares. Os materiais mais produtivos foram o AS1596 PRO e AG7088 PRO. O plantio de milho safrinha no Tocantins deve ser realizado o mais cedo possível, após a retirada da soja plantada no verão, preferencialmente até a primeira quinzena do mês de fevereiro, uma vez que o desempenho da maioria das cultivares foi melhor na primeira época de plantio. |
|
Palavras-Chave: |
Tocantins-TO. |
|
Thesagro: |
Melhoramento genético vegetal; Safrinha; Variedade; Zea mays. |
|
Thesaurus Nal: |
Varieties. |
|
Categoria do assunto: |
F Plantas e Produtos de Origem Vegetal |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/152001/1/bol-139.pdf
|
|
Marc: |
LEADER 02208nam a2200265 a 4500
001 2055938
005 2017-01-11
008 2016 bl uuuu u0uu1 u #d
100 1 $aCOSTA, R. V. da
245 $aAvaliação de cultivares de milho em diferentes épocas de plantio no Estado do Tocantins.$h[electronic resource]
260 $aSete Lagoas: Embrapa Milho e Sorgo$c2016
300 $a22 p.
490 $a(Embrapa Milho e Sorgo. Boletim de Pesquisa e Desenvolvimento, 139).
520 $aO Estado do Tocantins desponta como polo agrícola do Brasil. Em 2016, ele contribuiu com mais de 1,2 milhões de hectares cultivados e com uma produção superior a três milhões de toneladas de grãos, dentre as quais a soja e o milho ocupam lugar de destaque. Um dos principais fatores de sucesso no cultivo do milho safrinha é a escolha correta das cultivares a serem utilizadas em cada região. O presente trabalho teve como objetivo avaliar o comportamento de cultivares de milho, semeadas em duas épocas de semeadura na região central do Estado do Tocantins. Os plantios foram realizados em 3 e 25/02/2014. Foram avaliadas 11 cultivares de milho nas duas épocas de plantio. As parcelas foram constituídas por quatro linhas de 5 metros, com espaçamento de 0,5 m entre linhas. Ao final do ciclo, foram determinados peso médio de espiga (PME), peso total de espigas (PTE), número de fileiras por espiga (NFE), número de grãos por fileira (NGF), peso de 1.000 grãos (PMG), umidade dos grãos (UG), peso total de grãos (PTG) e doenças foliares. Os materiais mais produtivos foram o AS1596 PRO e AG7088 PRO. O plantio de milho safrinha no Tocantins deve ser realizado o mais cedo possível, após a retirada da soja plantada no verão, preferencialmente até a primeira quinzena do mês de fevereiro, uma vez que o desempenho da maioria das cultivares foi melhor na primeira época de plantio.
650 $aVarieties
650 $aMelhoramento genético vegetal
650 $aSafrinha
650 $aVariedade
650 $aZea mays
653 $aTocantins-TO
700 1 $aSIMON, J.
700 1 $aALMEIDA, R. E. M. de
700 1 $aSILVA, D. D. da
700 1 $aCOTA, L. V.
700 1 $aCAMPOS, L. J. M.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Milho e Sorgo (CNPMS) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
21/10/2020 |
|
Data da última atualização: |
22/10/2020 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
CAMARGO NETO, J.; TERNES, S.; SOUZA, K. X. S. de; YANO, I. H.; QUEIROS, L. R. |
|
Afiliação: |
JOAO CAMARGO NETO, CNPTIA; SONIA TERNES, CNPTIA; KLEBER XAVIER SAMPAIO DE SOUZA, CNPTIA; INACIO HENRIQUE YANO, CNPTIA; LEONARDO RIBEIRO QUEIROS, CNPTIA. |
|
Título: |
Uso de redes neurais convolucionais para detecção de laranjas no campo. |
|
Ano de publicação: |
2019 |
|
Fonte/Imprenta: |
In: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 12., 2019, Indaiatuba. Anais... Ponta Grossa: SBIAGRO, 2019. |
|
Páginas: |
p. 312-321. |
|
ISBN: |
978-65-00-10242-0 |
|
Idioma: |
Português |
|
Notas: |
Organizadores: Maria Fernanda Moura, Jayme Garcia Arnal Barbedo, Alaine Margarete Guimarães, Valter Castelhano de Oliveira. SBIAgro 2019. |
|
Conteúdo: |
RESUMO. A laranja e seus derivados são um dos principais produtos do agronegócio brasileiro, além de uma das cadeias produtivas que mais emprega mão de obra por hectare, o que mostra o alto grau de impacto econômico e social desta cultura para o país. Uma estimativa de produção eficiente pode auxiliar os produtores tanto no manejo de sua lavoura quanto na adoção de estratégias de vendas com a indústria. Este trabalho descreve o processo de treinamento e teste de uma rede neural de aprendizado profundo para a detecção e contagem de frutos verdes a partir de imagens digitais de pés de laranja obtidas no campo. Os resultados para as imagens de teste apresentaram índice de mais de 90% de precisão, com cerca de 90% de revocação para a rede neural. Isso indica que a metodologia utilizada é bastante promissora. |
|
Palavras-Chave: |
Aprendizado profundo; Citros; Contagem de frutos verdes; Deep learning; Imagem digital; Rede neural de aprendizado profundo; Visão computacional; Yolo-v3. |
|
Thesagro: |
Laranja. |
|
Thesaurus NAL: |
Citrus; Computer vision; Digital images; Neural networks. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/216886/1/PC-Redes-neurais-SBIAGRO-2019.pdf
|
|
Marc: |
LEADER 01998nam a2200349 a 4500
001 2125722
005 2020-10-22
008 2019 bl uuuu u00u1 u #d
020 $a978-65-00-10242-0
100 1 $aCAMARGO NETO, J.
245 $aUso de redes neurais convolucionais para detecção de laranjas no campo.$h[electronic resource]
260 $aIn: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 12., 2019, Indaiatuba. Anais... Ponta Grossa: SBIAGRO$c2019
300 $ap. 312-321.
500 $aOrganizadores: Maria Fernanda Moura, Jayme Garcia Arnal Barbedo, Alaine Margarete Guimarães, Valter Castelhano de Oliveira. SBIAgro 2019.
520 $aRESUMO. A laranja e seus derivados são um dos principais produtos do agronegócio brasileiro, além de uma das cadeias produtivas que mais emprega mão de obra por hectare, o que mostra o alto grau de impacto econômico e social desta cultura para o país. Uma estimativa de produção eficiente pode auxiliar os produtores tanto no manejo de sua lavoura quanto na adoção de estratégias de vendas com a indústria. Este trabalho descreve o processo de treinamento e teste de uma rede neural de aprendizado profundo para a detecção e contagem de frutos verdes a partir de imagens digitais de pés de laranja obtidas no campo. Os resultados para as imagens de teste apresentaram índice de mais de 90% de precisão, com cerca de 90% de revocação para a rede neural. Isso indica que a metodologia utilizada é bastante promissora.
650 $aCitrus
650 $aComputer vision
650 $aDigital images
650 $aNeural networks
650 $aLaranja
653 $aAprendizado profundo
653 $aCitros
653 $aContagem de frutos verdes
653 $aDeep learning
653 $aImagem digital
653 $aRede neural de aprendizado profundo
653 $aVisão computacional
653 $aYolo-v3
700 1 $aTERNES, S.
700 1 $aSOUZA, K. X. S. de
700 1 $aYANO, I. H.
700 1 $aQUEIROS, L. R.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
