| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Uva e Vinho. |
|
Data corrente: |
20/12/2023 |
|
Data da última atualização: |
20/12/2023 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
MAGRO, R. B.; ALVES, S. A. M.; GEBLER, L. |
|
Afiliação: |
RENATA BULLING MAGRO, EMBRAPA UVA E VINHO; SILVIO ANDRE MEIRELLES ALVES, CNPUV; LUCIANO GEBLER, CNPUV. |
|
Título: |
Computational models in precision fruit growing: reviewing the impact of temporal variability on perennial crop yield assessment. |
|
Ano de publicação: |
2023 |
|
Fonte/Imprenta: |
SN Computer Science, v. 4, n. 554, p. 1-13, 2023. |
|
DOI: |
https://doi.org/10.1007/s42979-023-02103-6 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Early yield information of perennial crops is crucial for growers and the industry as it enables cost reduction and facilitates rop planning. However, assessing the yield of perennial crops using computational models poses challenges due to the diverse aspects of interannual variability that afect these crops. This review aimed to investigate and analyze the literature on yield estimation and forecasting modeling in perennial cropping systems. We reviewed 49 articles and categorized them according to their yield assessment strategy, modeling class, and input variable characteristics. The strategies of yield assessment were discussed in the context of their principal improvement challenges. Our investigation revealed that image processing and deep learning models are emerging techniques for yield estimation. On the other hand, machine learning algorithms, such as Artifcial Neural Networks and Decision Trees, were applied to yield forecasting with reasonable time in advance of harvest. Emphasis is placed on the lack of representative long-term datasets for developing computational models, which can lead to accurate early yield forecasting of perennial crops. |
|
Palavras-Chave: |
Computational intelligence; Decision support; Machine learning; Spatio-temporal analysis; Yield modeling. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1160091/1/Magro-SNComputerScience-4554-2023.pdf
|
|
Marc: |
LEADER 01902naa a2200217 a 4500
001 2160091
005 2023-12-20
008 2023 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1007/s42979-023-02103-6$2DOI
100 1 $aMAGRO, R. B.
245 $aComputational models in precision fruit growing$breviewing the impact of temporal variability on perennial crop yield assessment.$h[electronic resource]
260 $c2023
520 $aEarly yield information of perennial crops is crucial for growers and the industry as it enables cost reduction and facilitates rop planning. However, assessing the yield of perennial crops using computational models poses challenges due to the diverse aspects of interannual variability that afect these crops. This review aimed to investigate and analyze the literature on yield estimation and forecasting modeling in perennial cropping systems. We reviewed 49 articles and categorized them according to their yield assessment strategy, modeling class, and input variable characteristics. The strategies of yield assessment were discussed in the context of their principal improvement challenges. Our investigation revealed that image processing and deep learning models are emerging techniques for yield estimation. On the other hand, machine learning algorithms, such as Artifcial Neural Networks and Decision Trees, were applied to yield forecasting with reasonable time in advance of harvest. Emphasis is placed on the lack of representative long-term datasets for developing computational models, which can lead to accurate early yield forecasting of perennial crops.
653 $aComputational intelligence
653 $aDecision support
653 $aMachine learning
653 $aSpatio-temporal analysis
653 $aYield modeling
700 1 $aALVES, S. A. M.
700 1 $aGEBLER, L.
773 $tSN Computer Science$gv. 4, n. 554, p. 1-13, 2023.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Uva e Vinho (CNPUV) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Pecuária Sul. |
|
Data corrente: |
02/12/2011 |
|
Data da última atualização: |
07/02/2012 |
|
Tipo da produção científica: |
Resumo em Anais de Congresso |
|
Autoria: |
GOULART, C. G.; BOAVISTA, L. da R.; VIDART, R. D.; NUNES, G. D.; TRINDADE, J. P. P. |
|
Afiliação: |
CAROLINA GOMES GOULART, Estagiária Embrapa Pecuária Sul, Bagé/RS; LIDIANE DA ROSA BOAVISTA, Aluna de mestrado, Agrobiologia, UFSM; RAFAELA DUARTE VIDART, Estagiária Embrapa Pecuária Sul, Bagé/RS; GISELE DUARTE NUNES, Estagiária Embrapa Pecuária Sul, Bagé/RS; JOSE PEDRO PEREIRA TRINDADE, CPPSUL. |
|
Título: |
A importância das famílias poaceae e fabaceae em uma área de vegetação campestre na região do Alto Camaquã, RS. |
|
Ano de publicação: |
2011 |
|
Fonte/Imprenta: |
In: CONGRESSO DE INICIAÇÃO CIENTÍFICA, 20.; MOSTRA CIENTÍFICA, 3., 2011, Pelotas. [Anais...]. Pelotas: UFPel, 2011. |
|
Descrição Física: |
1 CD-ROM. |
|
Idioma: |
Português |
|
Palavras-Chave: |
Alto Camaquã; Forrageira; Rio Grande do Sul. |
|
Thesagro: |
Gramínea. |
|
Thesaurus NAL: |
Fabaceae; Poaceae. |
|
Categoria do assunto: |
K Ciência Florestal e Produtos de Origem Vegetal |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/48992/1/CA-01054.pdf
|
|
Marc: |
LEADER 00767nam a2200229 a 4500
001 1908282
005 2012-02-07
008 2011 bl uuuu u00u1 u #d
100 1 $aGOULART, C. G.
245 $aA importância das famílias poaceae e fabaceae em uma área de vegetação campestre na região do Alto Camaquã, RS.$h[electronic resource]
260 $aIn: CONGRESSO DE INICIAÇÃO CIENTÍFICA, 20.; MOSTRA CIENTÍFICA, 3., 2011, Pelotas. [Anais...]. Pelotas: UFPel$c2011
300 $c1 CD-ROM.
650 $aFabaceae
650 $aPoaceae
650 $aGramínea
653 $aAlto Camaquã
653 $aForrageira
653 $aRio Grande do Sul
700 1 $aBOAVISTA, L. da R.
700 1 $aVIDART, R. D.
700 1 $aNUNES, G. D.
700 1 $aTRINDADE, J. P. P.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Pecuária Sul (CPPSUL) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
