Portal do Governo Brasileiro
BDPA - Bases de Dados da Pesquisa Agropecuária Embrapa
 






Acesso ao texto completo restrito à biblioteca da Embrapa Agroenergia. Para informações adicionais entre em contato com cnpae.biblioteca@embrapa.br.
Registro Completo
Biblioteca(s):  Embrapa Agroenergia.
Data corrente:  23/10/2012
Data da última atualização:  19/09/2013
Tipo da produção científica:  Artigo em Anais de Congresso
Autoria:  MENDES, T. D.; PACHECO, T. F.; CARVALHO, F. B. de P.; RODRIGUES, D. de S.; MACHADO, C. M. M.; CARVALHO, M. A.
Afiliação:  THAIS DEMARCHI MENDES, CNPAE; THALYTA FRAGA PACHECO, CNPAE; FELIPE BRANDAO DE PAIVA CARVALHO, CNPAE; DASCIANA DE SOUSA RODRIGUES, CNPAE; CRISTINA MARIA MONTEIRO MACHADO, CNPAE; M. A. CARVALHO.
Título:  Avaliação da hidrólise enzimática de brachiaria brizantha utilizando complexo enzimático comercial.
Ano de publicação:  2012
Fonte/Imprenta:  In: CONGRESSO BRASILEIRO DE ENGENHARIA QUÍMICA- COBEC, 19., Búzios, RJ. [Anais...]. São Paulo: Associação Brasileira de Engenharia Química, 2012.
Idioma:  Português
Conteúdo:  A hidrólise enzimática é um dos principais fatores que elevam o custo da produção de etanol celulósico. O objetivo deste trabalho foi caracterizar um complexo enzimático e definir condições de hidrólise para um substrato natural (Brachiaria brizantha), previamente tratado com ácido (1,5% v/v) e hidróxido de sódio (4% m/v). As atividades enzimáticas foram determinadas em papel, avicel, carboximetilcelulose e celobiose. A biomassa pré-tratada (94% celulose), foi submetida à hidrólise em condições ótimas de temperatura e pH, até variação não significativa de glicose no meio (8 h). Em seguida, o sólido remanescente foi lavado e submetido novamente à hidrólise. Pôde-se observar que toda a celulose do material é passível de hidrólise em três etapas (24 h), enquanto o processo de hidrólise completa em uma etapa ocorre em 72 h, indicando efeitos de inibição. Testes de hidrólise da biomassa (razão sólido:líquido, 1:10) variando a concentração inicial de glicose (10 a 40 g/L) e a carga enzimática (30 a 240 FPU/g de material) foram realizados. Observou-se redução na velocidade inicial de hidrólise com o aumento da concentração inicial de glicose e redução do tempo de conversão com o aumento da quantidade de enzima. Os tempos para atingir conversão da celulose superior a 80 % foram: 72 horas para 30 FPU, 56 horas para 60 FPU e 48 horas para 120 e 240 FPU. Concluiu-se que a velocidade de hidrólise é afetada pela carga enzimática e pela concentração de glicose no meio.
Palavras-Chave:  Hhidrólise enzimática.
Categoria do assunto:  --
Marc:  Mostrar Marc Completo
Registro original:  Embrapa Agroenergia (CNPAE)
Biblioteca ID Origem Tipo/Formato Classificação Cutter Registro Volume Status URL
CNPAE1956 - 1UPCAA - DD
Voltar






Registro Completo

Biblioteca(s):  Embrapa Gado de Corte.
Data corrente:  25/01/2023
Data da última atualização:  25/01/2023
Tipo da produção científica:  Artigo em Periódico Indexado
Circulação/Nível:  A - 1
Autoria:  SANTOS; MARCATO JUNIOR, J.; ZAMBONI, P.; SANTOS, M. F.; JANK, L.; CAMPOS, E.; MATSUBARA, E. T.
Afiliação:  LUIZ SANTOS, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL; JOSÉ MARCATO JUNIOR, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL; PEDRO ZAMBONI, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL; MATEUS FIGUEIREDO SANTOS, CNPGC; LIANA JANK, CNPGC; EDILENE CAMPOS, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL; EDSON TAKASHI MATSUBARA, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL.
Título:  Deep learning regression approaches applied to estimate tillering in tropical forages using mobile phone images.
Ano de publicação:  2022
Fonte/Imprenta:  Sensors, v. 22, article 4116, 2022.
ISSN:  1424-8220
DOI:  https://doi.org/10.3390/s22114116
Idioma:  Inglês
Notas:  Na publicação: Mateus Figueiredo Santos.
Conteúdo:  We assessed the performance of Convolutional Neural Network (CNN)-based approaches using mobile phone images to estimate regrowth density in tropical forages. We generated a dataset composed of 1124 labeled images with 2 mobile phones 7 days after the harvest of the forage plants. Six architectures were evaluated, including AlexNet, ResNet (18, 34, and 50 layers), ResNeXt101, and DarkNet. The best regression model showed a mean absolute error of 7.70 and a correlation of 0.89. Our findings suggest that our proposal using deep learning on mobile phone images can successfully be used to estimate regrowth density in forages.
Thesagro:  Banco de Germoplasma; Forragem; Panicum Maximum; Tecnologia.
Thesaurus NAL:  Forage; Mechanical harvesting; Regression analysis; Tillering.
Categoria do assunto:  --
URL:  https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1151204/1/Deep-learning-regression-2022.pdf
Marc:  Mostrar Marc Completo
Registro original:  Embrapa Gado de Corte (CNPGC)
Biblioteca ID Origem Tipo/Formato Classificação Cutter Registro Volume Status
CNPGC17873 - 1UPCAP - DD
Fechar
Nenhum registro encontrado para a expressão de busca informada.
 
 

Embrapa
Todos os direitos reservados, conforme Lei n° 9.610
Política de Privacidade
Área Restrita

Embrapa Agricultura Digital
Av. André Tosello, 209 - Barão Geraldo
Caixa Postal 6041- 13083-886 - Campinas, SP
SAC: https://www.embrapa.br/fale-conosco

Valid HTML 4.01 Transitional