| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Recursos Genéticos e Biotecnologia. Para informações adicionais entre em contato com cenargen.biblioteca@embrapa.br. |
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Instrumentação; Embrapa Recursos Genéticos e Biotecnologia. |
|
Data corrente: |
10/09/2021 |
|
Data da última atualização: |
03/10/2023 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
RAMOS, A. P. M.; GOMES, F. D. G.; PINHEIRO, M. M. F.; FURUYA, D. E. G.; GONÇALVEZ, W. N.; MARCATO JUNIOR, J.; MICHEREFF, M. F. F.; MORAES, M. C. B.; BORGES, M.; LAUMANN, R. A.; LIESENBERG, V.; JORGE, L. A. de C.; OSCO, L. P. |
|
Afiliação: |
ANA PAULA MARQUES RAMOS, UNOESTE; FELIPE DAVID GEORGES GOMES, UNOESTE; MAYARA MAEZANO FAITA PINHEIRO, UNOESTE; DANIELLE ELIS GARCIA FURUYA, UNOESTE; WESLEY NUNES GONÇALVEZ, UFMS; JOSÉ MARCATO JUNIOR, UFMS; MIRIAN FERNANDES FURTADO MICHEREFF; MARIA CAROLINA BLASSIOLI MORAES, Cenargen; MIGUEL BORGES, Cenargen; RAUL ALBERTO LAUMANN, Cenargen; VERALDO LIESENBERG, Udesc; LUCIO ANDRE DE CASTRO JORGE, CNPDIA; LUCAS PRADO OSCO, UNOESTE. |
|
Título: |
Detecting the attack of the fall armyworm (Spodoptera frugiperda) in cotton plants with machine learning and spectral measurements. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
Precision Agriculture, 2021. |
|
DOI: |
https://doi.org/10.1007/s11119-021-09845-4 |
|
Idioma: |
Inglês |
|
Notas: |
Na publicação: Maria Carolina Blassioli-Moraes; Raúl Alberto Alaumann. |
|
Conteúdo: |
ABSTRACT: The Spodoptera frugiperda (i.e., fall armyworm) causes irreversible damage in cotton cultivars, and its visual inspection on plants is a burdensome task for humans. A recent strategy to automatically do similar tasks is processing hyperspectral reflectance measurements with machine learning algorithms. Herein, its proposed a framework for modeling the spectral response of cotton plants under the fall armyworm attacks using machine learning algorithms, culminating in a theoretical model creation based on the band simulation process. A controlled experiment was conducted to collect hyperspectral radiance measurements from health and damage cotton plants over eight days. A hand-held spectroradiometer operating from 350 to 2500 nm was used. Several algorithms were evaluated, and a ranking approach was adopted to identify the most contributive wavelengths for detecting the damage. The Self-Organizing Map method was applied to organize the spectral wavelengths into groups, favoring the theoretical model creation for two sensors: OLI (Landsat-8) and MSI (Sentinel-2). It was found that the Random Forest algorithm produced the most suitable model, and the last day of analysis was better to separate healthy and damaged plants (F-measure: 0.912). The best spectral regions range from the red to near-infrared (650 to 1350 nm) and the shortwave infrared (1570 to 1640 nm). The theoretical model returned accurate results using both sensors (OLI, F-Measure?=?0.865, and MSI, F-Measure?=?0.886). In conclusion, the proposed framework contributes to accurately identifying cotton plants under the Spodoptera frugiperda attack for both hyperspectral and multispectral scales. MenosABSTRACT: The Spodoptera frugiperda (i.e., fall armyworm) causes irreversible damage in cotton cultivars, and its visual inspection on plants is a burdensome task for humans. A recent strategy to automatically do similar tasks is processing hyperspectral reflectance measurements with machine learning algorithms. Herein, its proposed a framework for modeling the spectral response of cotton plants under the fall armyworm attacks using machine learning algorithms, culminating in a theoretical model creation based on the band simulation process. A controlled experiment was conducted to collect hyperspectral radiance measurements from health and damage cotton plants over eight days. A hand-held spectroradiometer operating from 350 to 2500 nm was used. Several algorithms were evaluated, and a ranking approach was adopted to identify the most contributive wavelengths for detecting the damage. The Self-Organizing Map method was applied to organize the spectral wavelengths into groups, favoring the theoretical model creation for two sensors: OLI (Landsat-8) and MSI (Sentinel-2). It was found that the Random Forest algorithm produced the most suitable model, and the last day of analysis was better to separate healthy and damaged plants (F-measure: 0.912). The best spectral regions range from the red to near-infrared (650 to 1350 nm) and the shortwave infrared (1570 to 1640 nm). The theoretical model returned accurate results using both sensors (OLI, F-Measure?=?0.865, and MSI, F-Measu... Mostrar Tudo |
|
Palavras-Chave: |
Insect damage; Machine learning; Spectral data; Theoretical model. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 02768naa a2200337 a 4500
001 2138144
005 2023-10-03
008 2021 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1007/s11119-021-09845-4$2DOI
100 1 $aRAMOS, A. P. M.
245 $aDetecting the attack of the fall armyworm (Spodoptera frugiperda) in cotton plants with machine learning and spectral measurements.$h[electronic resource]
260 $c2021
500 $aNa publicação: Maria Carolina Blassioli-Moraes; Raúl Alberto Alaumann.
520 $aABSTRACT: The Spodoptera frugiperda (i.e., fall armyworm) causes irreversible damage in cotton cultivars, and its visual inspection on plants is a burdensome task for humans. A recent strategy to automatically do similar tasks is processing hyperspectral reflectance measurements with machine learning algorithms. Herein, its proposed a framework for modeling the spectral response of cotton plants under the fall armyworm attacks using machine learning algorithms, culminating in a theoretical model creation based on the band simulation process. A controlled experiment was conducted to collect hyperspectral radiance measurements from health and damage cotton plants over eight days. A hand-held spectroradiometer operating from 350 to 2500 nm was used. Several algorithms were evaluated, and a ranking approach was adopted to identify the most contributive wavelengths for detecting the damage. The Self-Organizing Map method was applied to organize the spectral wavelengths into groups, favoring the theoretical model creation for two sensors: OLI (Landsat-8) and MSI (Sentinel-2). It was found that the Random Forest algorithm produced the most suitable model, and the last day of analysis was better to separate healthy and damaged plants (F-measure: 0.912). The best spectral regions range from the red to near-infrared (650 to 1350 nm) and the shortwave infrared (1570 to 1640 nm). The theoretical model returned accurate results using both sensors (OLI, F-Measure?=?0.865, and MSI, F-Measure?=?0.886). In conclusion, the proposed framework contributes to accurately identifying cotton plants under the Spodoptera frugiperda attack for both hyperspectral and multispectral scales.
653 $aInsect damage
653 $aMachine learning
653 $aSpectral data
653 $aTheoretical model
700 1 $aGOMES, F. D. G.
700 1 $aPINHEIRO, M. M. F.
700 1 $aFURUYA, D. E. G.
700 1 $aGONÇALVEZ, W. N.
700 1 $aMARCATO JUNIOR, J.
700 1 $aMICHEREFF, M. F. F.
700 1 $aMORAES, M. C. B.
700 1 $aBORGES, M.
700 1 $aLAUMANN, R. A.
700 1 $aLIESENBERG, V.
700 1 $aJORGE, L. A. de C.
700 1 $aOSCO, L. P.
773 $tPrecision Agriculture, 2021.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Instrumentação (CNPDIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Amazônia Oriental; Embrapa Florestas; Embrapa Gado de Corte; Embrapa Milho e Sorgo; Embrapa Soja; Embrapa Trigo; Embrapa Unidades Centrais. |
|
Data corrente: |
27/12/2011 |
|
Data da última atualização: |
12/04/2018 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 2 |
|
Autoria: |
BALBINO, L. C.; CORDEIRO, L. A. M.; PORFIRIO-DA-SILVA, V.; MORAES, A. de; MARTINEZ, G. B.; ALVARENGA, R. C.; KICHEL, A. N.; FONTANELI, R. S.; SANTOS, H. P. dos; FRANCHINI, J. C.; GALERANI, P. R. |
|
Afiliação: |
LUIZ CARLOS BALBINO, CPAC; LUIZ ADRIANO MAIA CORDEIRO, DTT; VANDERLEY PORFIRIO DA SILVA, CNPF; ANIBAL DE MORAES, Universidade Federal do Paraná; GLADYS BEATRIZ MARTINEZ, CPATU; RAMON COSTA ALVARENGA, CNPMS; ARMINDO NEIVO KICHEL, CNPGC; RENATO SERENA FONTANELI, CNPT; HENRIQUE PEREIRA DOS SANTOS, CNPT; JULIO CEZAR FRANCHINI DOS SANTOS, CNPSO; PAULO ROBERTO GALERANI, DE/P&D. |
|
Título: |
Evolução tecnológica e arranjos produtivos de sistemas de integração lavoura-pecuária-floresta no Brasil. |
|
Ano de publicação: |
2011 |
|
Fonte/Imprenta: |
Pesquisa Agropecuária Brasileira, Brasília, DF, v. 46, n. 10, p.i-xii, out. 2011. |
|
Idioma: |
Português |
|
Conteúdo: |
Os sistemas agrossilvipastoris, que integram atividades agrícolas, pecuárias e florestais, são considerados, atualmente, inovadores no Brasil, embora vários tipos de plantios associados entre culturas anuais e culturas perenes ou entre frutíferas e árvores madeireiras sejam conhecidos na Europa desde a antiguidade. Vários escritores romanos do século I d.C. ? entre eles, Caio Plínio, que escreveu a enciclopédia intitulada História Natural (Naturalis Historia), composta de 37 livros, e Lucius Junius Moderatus, autor com maior repertório documentado sobre a agricultura romana ? fazem referência a sistemas de integração entre árvores, como nogueiras e oliveiras, e pastagens (Dupraz & Liagre, 2008). Outros autores do século XVI descrevem sistemas que integram árvores frutíferas com a produção pecuária. O uso desses sistemas, no entanto, quase desapareceu, em virtude, principalmente, da mecanização e da intensificação dos sistemas agrícolas, da dificuldade da colheita manual das frutas e de questões administrativas... |
|
Palavras-Chave: |
Brasil; Evolução tecnológica; Integração lavoura-pecuária-floresta; Integration crop-cattle-forest. |
|
Thesagro: |
Agrossilvicultura; Exploração agrícola; Exploração florestal; Floresta; Lavoura; Pecuária; Sistema de cultivo. |
|
Thesaurus NAL: |
Agroforestry. |
|
Categoria do assunto: |
--
A Sistemas de Cultivo
K Ciência Florestal e Produtos de Origem Vegetal |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/51887/1/46n10a00Prefacio.pdf
https://www.alice.cnptia.embrapa.br/bitstream/doc/912074/3/46n10a00Prefacio.pdf
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/51795/1/2011pabv46n10prefacio.pdf
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/51289/1/46v10a00.pdf
|
|
Marc: |
LEADER 02222naa a2200385 a 4500
001 1912074
005 2018-04-12
008 2011 bl uuuu u00u1 u #d
100 1 $aBALBINO, L. C.
245 $aEvolução tecnológica e arranjos produtivos de sistemas de integração lavoura-pecuária-floresta no Brasil.
260 $c2011
520 $aOs sistemas agrossilvipastoris, que integram atividades agrícolas, pecuárias e florestais, são considerados, atualmente, inovadores no Brasil, embora vários tipos de plantios associados entre culturas anuais e culturas perenes ou entre frutíferas e árvores madeireiras sejam conhecidos na Europa desde a antiguidade. Vários escritores romanos do século I d.C. ? entre eles, Caio Plínio, que escreveu a enciclopédia intitulada História Natural (Naturalis Historia), composta de 37 livros, e Lucius Junius Moderatus, autor com maior repertório documentado sobre a agricultura romana ? fazem referência a sistemas de integração entre árvores, como nogueiras e oliveiras, e pastagens (Dupraz & Liagre, 2008). Outros autores do século XVI descrevem sistemas que integram árvores frutíferas com a produção pecuária. O uso desses sistemas, no entanto, quase desapareceu, em virtude, principalmente, da mecanização e da intensificação dos sistemas agrícolas, da dificuldade da colheita manual das frutas e de questões administrativas...
650 $aAgroforestry
650 $aAgrossilvicultura
650 $aExploração agrícola
650 $aExploração florestal
650 $aFloresta
650 $aLavoura
650 $aPecuária
650 $aSistema de cultivo
653 $aBrasil
653 $aEvolução tecnológica
653 $aIntegração lavoura-pecuária-floresta
653 $aIntegration crop-cattle-forest
700 1 $aCORDEIRO, L. A. M.
700 1 $aPORFIRIO-DA-SILVA, V.
700 1 $aMORAES, A. de
700 1 $aMARTINEZ, G. B.
700 1 $aALVARENGA, R. C.
700 1 $aKICHEL, A. N.
700 1 $aFONTANELI, R. S.
700 1 $aSANTOS, H. P. dos
700 1 $aFRANCHINI, J. C.
700 1 $aGALERANI, P. R.
773 $tPesquisa Agropecuária Brasileira, Brasília, DF$gv. 46, n. 10, p.i-xii, out. 2011.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Unidades Centrais (AI-SEDE) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
