|
|
Registros recuperados : 389 | |
121. | | BERTAGNOLLI, P. F.; COSTAMILAN, L. M.; KASTER, M.; TOLEDO, J. F. F. de; ARIAS, C. A. A.; PIPOLO, A. E.; OLIVEIRA, M. F. de; EICHELBERGER, L. Embrapa soybean breeding program in Rio Grande do Sul, Brazil. In: WORLD SOYBEAN RESEARCH CONFERENCE, 8., 2009, Beijing. Abstracts... [Benjing]: Institute of Crop Science: Chinese Academy of Agricultural Sciences, 2009. p. 54. Resumo P031. Biblioteca(s): Embrapa Trigo. |
| |
122. | | ARIAS, C. A. A.; TOLEDO, J. F. F.; ALMEIDA, L. A.; PIPOLO, A. E.; CARNEIRO, G. E. S.; ABDELNOOR, R. V.; RACHID, B. F.; RIBEIRO, A. S. Asian rust in Brazil: varietal resistance. In: KUDO, H.; SUENAGA, K.; SOARES, R. M.; TOLEDO, A. (Ed.). Facing the challenge of soybean rust in South America. Tsukuba: JIRCAS; Londrina: Embrapa Soybean, 2008. p. 29-30. (JIRCAS Working Report, 58). Biblioteca(s): Embrapa Soja. |
| |
123. | | CEREZINI, P.; FAGOTTI, D. dos S. L.; KUWANO, B. H.; SOUZA, D. I.; PÍPOLO, V. C.; PIPOLO, A. E.; HUNGRIA, M.; NOGUEIRA, M. A. Aspectos nutricionais e fisiológicos em genótipos de soja com diferentes níveis de tolerância à restrição hídrica. In: REUNIÃO BRASILEIRA DE FERTILIDADE DO SOLO E NUTRIÇÃO DE PLANTAS, 30.; REUNIÃO BRASILEIRA SOBRE MICORRIZAS, 14.; SIMPÓSIO BRASILEIRO DE MICROBIOLOGIA DO SOLO, 12.; REUNIÃO BRASILEIRA DE BIOLOGIA DO SOLO, 9.; SIMPÓSIO SOBRE SELÊNIO NO BRASIL, 1., 2012, Maceió. A responsabilidade socioambiental da pesquisa agrícola: anais. Viçosa: SBCS, 2012. 4 p. Trab. 866. 1 CD-ROM. Fertbio. Biblioteca(s): Embrapa Soja. |
| |
124. | | PIPOLO, A. E.; DOMIT, L. A.; SILVA FILHO, P. M. da; MIRANDA, L. C.; KIIHL, R. A. de S.; ALMEIDA, L. A. de; VIEIRA, O. V. Difusao de cultivares de soja desenvolvidas pela Embrapa Soja, para os estados do Parana, Santa Catarina e Sao Paulo - safra 1998/99. In: REUNIAO DE PESQUISA DE SOJA DA REGIAO CENTRAL DO BRASIL, 21., 1999, Dourados. Resumos... Dourados: Embrapa Agropecuaria Oeste / Londrina: Embrapa Soja, 1999. p.47-48. (Embrapa Agropecuaria Oeste. Documentos, 7; Embrapa Soja. Documentos, 134). Biblioteca(s): Embrapa Soja. |
| |
125. | | PIPOLO, A. E.; DOMIT, L. A.; MIRANDA, L. C.; KIIHL, R. A. S.; ALMEIDA, L. A. VIEIRA, O. V.; SILVA, P. M. Difusao de cultivares de soja desenvolvidas pela Embrapa Soja, para os estados do Parana, Santa Catarina e Sao Paulo - safra 99/00. In: REUNIAO DE PESQUISA DE SOJA DA REGIAO CENTRAL DO BRASIL, 22., 2000, Cuiaba. Resumos... Londrina: Embrapa Soja, 2000. p.33-34. (Embrapa Soja. Documentos, 144). Biblioteca(s): Embrapa Soja. |
| |
126. | | ALMEIDA, L. A.; KIIHL, R. A. S.; MIRANDA, L. C.; YORINORI, J. T.; KASTER, M.; PIPOLO, A. E.; DOMIT, L. A. 'EMBRAPA 132' - nova cultivar de soja para o estado do Parana. In: REUNIAO DE PESQUISA DE SOJA DA REGIAO SUL, 25., 1997, Passo Fundo. Ata e resumos. Passo Fundo: EMBRAPA-CNPT, 1997. p.228. Biblioteca(s): Embrapa Soja. |
| |
127. | | KIIHL, R. A. S.; ALMEIDA, L. A.; MIRANDA, L. C.; YORINORI, J. T.; DOMIT, L. A.; PÍPOLO, A. E.; KASTER, M. Embrapa 133 nova cultivar de soja para o estado do Paraná. In: REUNIÃO DE PESQUISA DE SOJA DA REGIÃO CENTRAL DO BRASIL, 19., 1997, Jaboticabal. Ata e resumos. Londrina: Embrapa-CNPSo, 1997. p. 237-238. (Embrapa-CNPSo. Documentos, 107). Biblioteca(s): Embrapa Soja. |
| |
128. | | ALMEIDA, L. A.; KIHL, R. A. S.; MIRANDA, L. C.; YORINORI, J. T.; PÍPOLO, A. E.; KASTER, M.; DOMIT, L. A. Embrapa 134 nova cultivar de soja para o estado do Paraná. In: REUNIÃO DE PESQUISA DE SOJA DA REGIÃO CENTRAL DO BRASIL, 19., 1997, Jaboticabal. Ata e resumos. Londrina: Embrapa-CNPSo, 1997. p. 238-239. (Embrapa-CNPSo. Documentos, 107). Biblioteca(s): Embrapa Soja. |
| |
129. | | ALMEIDA, L. A.; KIIHL, R. A. S.; MIRANDA, L. C.; YORINORI, J. T.; PIPOLO, A. E.; KASTER, M.; DOMIT, L. A. 'EMBRAPA 134' - nova cultivar de soja para estado do Parana. In: REUNIAO DE PESQUISA DE SOJA DA REGIAO SUL, 25., 1997, Passo Fundo. Ata e resumos. Passo Fundo: EMBRAPA-CNPT, 1997. p.230. Biblioteca(s): Embrapa Soja. |
| |
130. | | KIIHL, R. A. S.; ALMEIDA, L. A.; MIRANDA, L. C.; YORINORI, J. T.; DOMIT, L. A.; PIPOLO, A. E.; KASTER, M. 'EMBRAPA 135' - nova cultivar de soja para o estado do Parana. In: REUNIAO DE PESQUISA DE SOJA DA REGIAO SUL, 25., 1997, Passo Fundo. Ata e resumos. Passo Fundo: EMBRAPA-CNPT, 1997. p.231. Biblioteca(s): Embrapa Soja. |
| |
131. | | ALMEIDA, L. A.; KIIHL, R. A. S.; MIRANDA, L. C.; KASTER, M.; YORINORI, J. T.; PIPOLO, A. E.; DOMIT, L. A. 'EMBRAPA 136' - nova cultivar de soja para o estado do Parana. In: REUNIAO DE PESQUISA DE SOJA DA REGIAO SUL, 25., 1997, Passo Fundo. Ata e resumos. Passo Fundo: EMBRAPA-CNPT, 1997. p.232. Biblioteca(s): Embrapa Soja. |
| |
132. | | ALMIEDA, L. A.; KIIHL, R. A. S.; MIRANDA, L. C.; KASTER, M.; YORINORI, J. T.; PÍPOLO, A. E.; DOMIT, L. A. Embrapa 136 nova cultivar de soja para o estado do Paraná. In: REUNIÃO DE PESQUISA DE SOJA DA REGIÃO CENTRAL DO BRASIL, 19., 1997, Jaboticabal. Ata e resumos. Londrina: Embrapa-CNPSo, 1997. p. 239. (Embrapa-CNPSo. Documentos, 107). Biblioteca(s): Embrapa Soja. |
| |
133. | | ARIAS, C. A. A.; TOLEDO, J. F. F.; PÍPOLO, A. E.; CARNEIRO, G. E. S.; ABDELNOOR, R. V.; RACHID, B. F.; RIBEIRO, A. S. Ferrugem asiática da soja no Brasil: resistência varietal In: SIMPÓSIO BRASILEIRO DE FERRUGEM ASIÁTICA DA SOJA, 2007, Londrina. Anais... Londrina: Embrapa Soja, 2007. p. 89-91. (Embrapa Soja. Documentos, 281). Biblioteca(s): Embrapa Soja. |
| |
134. | | MOREIRA, J. U. V.; ARIAS, C. A. A.; TOLEDO, J. F. F.; PIPOLO, A. E.; CARNEIRO, G. E. S.; ABDELNOOR, R. V.; RACHID, B. F.; RIBEIRO, A. S. Ferrugem asiática da soja: resistência genética. In: REUNIÃO DE PESQUISA DE SOJA DA REGIÃO SUL, 35., 2007, Santa Maria. Ata resumos. Santa Maria: Universidade Federal de Santa Maria, 2007. p. 37. Disponível em: . Acesso em: 06 mar. 2008. Biblioteca(s): Embrapa Soja. |
| |
135. | | CARVALHO, H. W. L. D.; OLIVEIRA, I. R. D.; GARCIA, A.; PIPOLO, A. E.; FEITOSA, L. F.; RODRIGUES, C. S.; MELO, K. E. D. O. Estabilidade de cultivares de soja em áreas de agreste dos estados da Bahia e Sergipe. In: CONGRESSO BRASILEIRO DE SOJA, 5., 2009, Goiânia. Soja fator de desenvolvimento do Cone Sul: resumos. Goiânia: Embrapa Soja, 2009. Melhoramento genético. 1 CD-ROM. Biblioteca(s): Embrapa Tabuleiros Costeiros. |
| |
136. | | CARVALHO, H. W. L. de; OLIVEIRA, I. R. de; GARCIA, A.; PÍPOLO, A. E.; FEITOSA, L. F.; RODRIGUES, C. S.; MELO, K. E. de O. Estabilidade de cultivares de soja em áreas de agreste dos estados da Bahia e Sergipe. In: CONGRESSO BRASILEIRO DE SOJA, 5.; MERCOSOJA 2009, Goiânia. Resumos... Londrina: Embrapa Soja, 2009. p. 216, trab. 392. Editado por Adilson de Oliveira Júnior, Odilon Ferreira Saraiva, Clara Beatriz Hoffmann Campo, César de Castro Biblioteca(s): Embrapa Soja. |
| |
137. | | FOLONI, J. S. S.; OLIVEIRA JUNIOR, A. de; CARNEIRO, G. E. de S.; CASTRO, C. de; PIPOLO, A. E.; OLIVEIRA, F. A. de. Genótipos de soja submetidos à adubação de sistema na sucessão trigo/soja e níveis de calagem. In: REUNIÃO DE PESQUISA DE SOJA, 34., 2014, Londrina. Resumos expandidos... Londrina: Embrapa Soja, 2014. p. 144-147. Biblioteca(s): Embrapa Soja. |
| |
138. | | OLIVEIRA, M. F. de; DALL'AGNOL, A.; MOREIRA, J. U. V.; PIPOLO, A. E.; MELO, C. L. P. de; ARIAS, C. A. A. Genética e melhoramento. In: OLIVEIRA, A. B. de; LEITE, R. M. V. B. de C.; SEIXAS, C. D. S.; KERN, H. S. Soja: o produtor pergunta, a Embrapa responde. Brasília, DF: Embrapa, 2019. (Coleção 500 perguntas, 500 respostas). p. 49-57. Biblioteca(s): Embrapa Soja. |
| |
139. | | ARIAS, C. A. A.; TOLEDO, J. F. F.; ALMEIDA, L. A.; PIPOLO, A. E.; CARNEIRO, G. E. S.; ABDELNOOR, R. V.; RACHID, B. F.; RIBEIRO, A. S. Melhoramento da soja visando resistência à ferrugem asiática no Brasil. In: SOUTH AMERICAN WORKSHOP ON SOYBEAN RUST, 2006, Londrina. Abstracts and program... Londrina: Jircas, 2006. p. 17. Biblioteca(s): Embrapa Soja. |
| |
140. | | ARIAS, C. A. A.; PIPOLO, A. E.; CARNEIRO, G. E. S.; MOREIRA, J. U. V.; OLIVEIRA, M. F. de; KASTER, M. Características atuais e futuras das cultivares brasileiras de soja. Anuário ABRASEM, Brasília, DF, p. 6-9, jun. 2011. Biblioteca(s): Embrapa Soja. |
| |
Registros recuperados : 389 | |
|
|
Registro Completo
Biblioteca(s): |
Embrapa Agrossilvipastoril. |
Data corrente: |
10/01/2022 |
Data da última atualização: |
10/01/2022 |
Tipo da produção científica: |
Resumo em Anais de Congresso |
Autoria: |
SANTOS, E. F. dos; LOPES, L. B.; VENDRUSCULO, L. G. |
Afiliação: |
ELTON FERNANDES DOS SANTOS, UFMT, Sinop-MT; LUCIANO BASTOS LOPES, CPAMT; LAURIMAR GONCALVES VENDRUSCULO, CNPTIA. |
Título: |
Segmentação de alvos de interesse em semicarcaças bovinas utilizando classificadores computacionais. |
Ano de publicação: |
2021 |
Fonte/Imprenta: |
In: ENCONTRO DE CIÊNCIA E TECNOLOGIAS AGROSSUSTENTÁVEIS, 5.; JORNADA CIENTÍFICA DA EMBRAPA AGROSSILVIPASTORIL, 10., 2021. Sinop. Resumos... Brasília, DF: Embrapa, 2021. p. 58. |
Idioma: |
Português |
Conteúdo: |
O conhecimento da composição corporal em carcaças contribui para a avaliação do desempenho animal e tem forte impacto na rentabilidade do produtor. O objetivo deste trabalho foi avaliar dois métodos computacionais para a segmentação de imagens RGB de semicarcaças bovinas visando identificar quais pixels representam os alvos de interesse. São eles: gordura, carne ou tecido conjuntivo. Para tal objetivo, foram comparados dois classificadores: uma máquina de vetor de suporte (SVM) e uma rede neural (RNA). Foram utilizadas 618 imagens de semicarcaças, coletadas no primeiro semestre de 2021 em um frigorífico localizado em Sinop, MT. Ambos os modelos utilizaram uma janela deslizante na imagem. Visando confrontar os resultados do modelo SVM de RNA usados para a segmentação dos alvos, foram calculadas os seguintes parâmetros de acurácia: precisão, recuperação e F-1 score. A precisão e recuperação são importantes para avaliar modelos de classificação pois fornece uma métrica individual por classe. A precisão é a capacidade do modelo de não classificar como positiva uma amostra negativa, já a recuperação é a capacidade do modelo em encontrar todas as amostras positivas. O F-1 score é uma média harmônica ponderada entre a precisão e a recuperação. Os resultados mostraram que a precisão nos modelos SVM e RNA para o alvo carne alcançaram um valor ótimo de 1, ou seja, o modelo classificou corretamente todos os pixeis em suas verdadeiras classes de alvos. A recuperação obteve um valor melhor no RNA (0,98) para a carne em relação ao RNA (0,80). Para o F1-score todos os valores referentes aos dois classificadores alcançaram valores satisfatórios superiores a 0,9 referente aos alvos gordura, carne e tecido. Ou seja, o nível de classificação incorreta do pixel foi baixa. Os modelos SVM e RNA apresentaram nível de concordância ótimo, próximo a 1. De uma forma geral os dois métodos apresentaram segmentação dos três alvos de interesse de forma satisfatória. Planeja-se comparar os valores obtidos com validações de especialistas. MenosO conhecimento da composição corporal em carcaças contribui para a avaliação do desempenho animal e tem forte impacto na rentabilidade do produtor. O objetivo deste trabalho foi avaliar dois métodos computacionais para a segmentação de imagens RGB de semicarcaças bovinas visando identificar quais pixels representam os alvos de interesse. São eles: gordura, carne ou tecido conjuntivo. Para tal objetivo, foram comparados dois classificadores: uma máquina de vetor de suporte (SVM) e uma rede neural (RNA). Foram utilizadas 618 imagens de semicarcaças, coletadas no primeiro semestre de 2021 em um frigorífico localizado em Sinop, MT. Ambos os modelos utilizaram uma janela deslizante na imagem. Visando confrontar os resultados do modelo SVM de RNA usados para a segmentação dos alvos, foram calculadas os seguintes parâmetros de acurácia: precisão, recuperação e F-1 score. A precisão e recuperação são importantes para avaliar modelos de classificação pois fornece uma métrica individual por classe. A precisão é a capacidade do modelo de não classificar como positiva uma amostra negativa, já a recuperação é a capacidade do modelo em encontrar todas as amostras positivas. O F-1 score é uma média harmônica ponderada entre a precisão e a recuperação. Os resultados mostraram que a precisão nos modelos SVM e RNA para o alvo carne alcançaram um valor ótimo de 1, ou seja, o modelo classificou corretamente todos os pixeis em suas verdadeiras classes de alvos. A recuperação obteve um valor melh... Mostrar Tudo |
Palavras-Chave: |
Classificador computacional; Máquina de vetor de suporte; Processamento de dados; Rede neural; Semicarcaça; Sinop-MT; SVM. |
Thesagro: |
Bovinocultura; Carcaça; RNA. |
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/230151/1/2021-cpamt-lbl-segmentacao-alvo-interesse-semicarcaca-bovino-classificacao-computacional-p-58.pdf
|
Marc: |
LEADER 02991nam a2200253 a 4500 001 2138979 005 2022-01-10 008 2021 bl uuuu u00u1 u #d 100 1 $aSANTOS, E. F. dos 245 $aSegmentação de alvos de interesse em semicarcaças bovinas utilizando classificadores computacionais.$h[electronic resource] 260 $aIn: ENCONTRO DE CIÊNCIA E TECNOLOGIAS AGROSSUSTENTÁVEIS, 5.; JORNADA CIENTÍFICA DA EMBRAPA AGROSSILVIPASTORIL, 10., 2021. Sinop. Resumos... Brasília, DF: Embrapa, 2021. p. 58.$c2021 520 $aO conhecimento da composição corporal em carcaças contribui para a avaliação do desempenho animal e tem forte impacto na rentabilidade do produtor. O objetivo deste trabalho foi avaliar dois métodos computacionais para a segmentação de imagens RGB de semicarcaças bovinas visando identificar quais pixels representam os alvos de interesse. São eles: gordura, carne ou tecido conjuntivo. Para tal objetivo, foram comparados dois classificadores: uma máquina de vetor de suporte (SVM) e uma rede neural (RNA). Foram utilizadas 618 imagens de semicarcaças, coletadas no primeiro semestre de 2021 em um frigorífico localizado em Sinop, MT. Ambos os modelos utilizaram uma janela deslizante na imagem. Visando confrontar os resultados do modelo SVM de RNA usados para a segmentação dos alvos, foram calculadas os seguintes parâmetros de acurácia: precisão, recuperação e F-1 score. A precisão e recuperação são importantes para avaliar modelos de classificação pois fornece uma métrica individual por classe. A precisão é a capacidade do modelo de não classificar como positiva uma amostra negativa, já a recuperação é a capacidade do modelo em encontrar todas as amostras positivas. O F-1 score é uma média harmônica ponderada entre a precisão e a recuperação. Os resultados mostraram que a precisão nos modelos SVM e RNA para o alvo carne alcançaram um valor ótimo de 1, ou seja, o modelo classificou corretamente todos os pixeis em suas verdadeiras classes de alvos. A recuperação obteve um valor melhor no RNA (0,98) para a carne em relação ao RNA (0,80). Para o F1-score todos os valores referentes aos dois classificadores alcançaram valores satisfatórios superiores a 0,9 referente aos alvos gordura, carne e tecido. Ou seja, o nível de classificação incorreta do pixel foi baixa. Os modelos SVM e RNA apresentaram nível de concordância ótimo, próximo a 1. De uma forma geral os dois métodos apresentaram segmentação dos três alvos de interesse de forma satisfatória. Planeja-se comparar os valores obtidos com validações de especialistas. 650 $aBovinocultura 650 $aCarcaça 650 $aRNA 653 $aClassificador computacional 653 $aMáquina de vetor de suporte 653 $aProcessamento de dados 653 $aRede neural 653 $aSemicarcaça 653 $aSinop-MT 653 $aSVM 700 1 $aLOPES, L. B. 700 1 $aVENDRUSCULO, L. G.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Agrossilvipastoril (CPAMT) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|