|
|
Registro Completo |
Biblioteca(s): |
Embrapa Soja; Embrapa Trigo. |
Data corrente: |
24/07/2019 |
Data da última atualização: |
29/08/2019 |
Tipo da produção científica: |
Artigo em Anais de Congresso |
Autoria: |
VENANCIO, J. F.; LOPES, I. de O. N.; SANTANA, F. M.; SEIXAS, C. D. S. |
Afiliação: |
UNIFIL; IVANI DE OLIVEIRA NEGRAO LOPES, CNPSO; FLAVIO MARTINS SANTANA, CNPT; CLAUDINE DINALI SANTOS SEIXAS, CNPSO. |
Título: |
Eficiência de fungicidas para controle da brusone do trigo em Londrina, safra 2015. |
Ano de publicação: |
2019 |
Fonte/Imprenta: |
In: REUNIÃO DA COMISSÃO BRASILEIRA DE PESQUISA DE TRIGO E TRITICALE, 12., 2018, Passo Fundo. Ata e Resumos... Passo Fundo: Projeto Passo Fundo, 2019. |
Páginas: |
p. 394-398. |
Idioma: |
Português |
Thesagro: |
Brusone; Doença de Planta; Trigo. |
Thesaurus Nal: |
Blast disease; Plant diseases and disorders; Wheat. |
Categoria do assunto: |
F Plantas e Produtos de Origem Vegetal H Saúde e Patologia |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/201414/1/p-394.pdf
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/199844/1/ID44633-2019RCBPTT2AtasResumos2018p394.pdf
|
Marc: |
LEADER 00749nam a2200217 a 4500 001 2111736 005 2019-08-29 008 2019 bl uuuu u00u1 u #d 100 1 $aVENANCIO, J. F. 245 $aEficiência de fungicidas para controle da brusone do trigo em Londrina, safra 2015.$h[electronic resource] 260 $aIn: REUNIÃO DA COMISSÃO BRASILEIRA DE PESQUISA DE TRIGO E TRITICALE, 12., 2018, Passo Fundo. Ata e Resumos... Passo Fundo: Projeto Passo Fundo$c2019 300 $ap. 394-398. 650 $aBlast disease 650 $aPlant diseases and disorders 650 $aWheat 650 $aBrusone 650 $aDoença de Planta 650 $aTrigo 700 1 $aLOPES, I. de O. N. 700 1 $aSANTANA, F. M. 700 1 $aSEIXAS, C. D. S.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Soja (CNPSO) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Instrumentação. |
Data corrente: |
14/10/2021 |
Data da última atualização: |
10/06/2022 |
Tipo da produção científica: |
Resumo em Anais de Congresso |
Autoria: |
LUCCAS, M. dos S.; HERRMANN JUNIOR, P. S. de P.; FERREIRA, E. J.; TORRE NETO, A. |
Afiliação: |
PAULO SERGIO DE P HERRMANN JUNIOR, CNPDIA; EDNALDO JOSE FERREIRA, CNPDIA; ANDRE TORRE NETO, CNPDIA. |
Título: |
O Nariz eletrônico (E-nose) e a inteligência artificial, aplicados para monitorar de forma não invasiva o nível de estresse hídrico da soja. |
Ano de publicação: |
2021 |
Fonte/Imprenta: |
In: JORNADA CIENTÍFICA - EMBRAPA SÃO CARLOS, 13., 2021, São Carlos, SP. Anais... São Carlos: Embrapa Pecuária Sudeste: Embrapa Instrumentação, 2021. Editores técnicos: Alexandre Berndt, Ana Rita de Araujo Nogueira, Lea Chapaval Andri, Marcelo Mattos Cavallari, Manuel Antonio Chagas Jacinto. |
Páginas: |
54 |
ISSN: |
1980-6841 |
Idioma: |
Português |
Conteúdo: |
A intensidade e a severidade do déficit hídrico são consideradas indicadores de fundamental importância, relacionado ao estresse abiótico, e que limitam a produção agrícola mundial. Neste trabalho apresenta-se os estudos na investigação do estresse com o uso do Nariz Eletrônico (“Enose”) e aprendizado de máquina (“machine learning”). O objetivo deste trabalho foi realizar medidas com o “E-nose” e do monitoramento de CO2 (ppm), da temperatura (oC), umidade relativa (%) e iluminação (Lux) para a cultura da soja em crescimento e em ambiente controlado, observando as alterações de níveis desses dados de maneira continuada ao longo da submissão do estresse hídrico. Os dados obtidos foram aplicados no aprendizado de máquina para estudar a detecção de níveis de severidade do estresse (ausência de estresse, estresse moderado ou estresse severo). A aplicação de técnicas de inteligência artificial permite a identificação antecipada do estresse na planta, de maneira não invasiva, não destrutiva e que pode vir a ser utilizado para apoiar a tomada de decisão. Durante as medições, as plantas foram mantidas em uma câmara instrumentada e o monitoramento dos dados de temperatura, de umidade relativa e CO2 foi feito a cada 5 minutos. Dados esses que compuseram uma base de dados maior, junto a análise gasosa do “E-nose” e as medidas da intensidade luminosa, onde ambas foram realizadas duas vezes ao dia. Após esse processo, realizou-se a mineração de dados visando classificar o nível de severidade do estresse hídrico na planta. Amostras de 500 µl de gases da câmara foram obtidas em triplicata, sendo utilizado o método de “headspace”, para análise global dos compostos orgânicos voláteis (COVs). Um “E-nose” comercial da Alpha Moss foi utilizado. As curvas de sensibilidade (η(%)) obtidas alimentaram a base de dados junto ao monitoramento da câmara. As técnicas de mineração de dados foram utilizadas, por intermédio do software “WekaTM” e utilizou-se a estratégia de árvore de decisão, “K-nearest neighbors (KNN)” e análise de discriminantes lineares (LDA). Testes de validação foram aplicados nos aprendizados, considerando plantas distintas para o treino e o teste, o que representou bons resultados para o aprendizado sobre o comportamento da medida de amostra de planta através do conjunto de outras plantas. Ao final de 27 testes, obteve-se um classificador capaz de detectar com bom índice de acerto a ausência de irrigação e, com uma menor eficiência, a severidade do estresse, usando o monitoramento de uma planta para predição do comportamento de outra. Nos trabalhos futuros pretende-se investigar essa aplicação metodológica em condições experimentais adversas e os seus níveis de severidade. MenosA intensidade e a severidade do déficit hídrico são consideradas indicadores de fundamental importância, relacionado ao estresse abiótico, e que limitam a produção agrícola mundial. Neste trabalho apresenta-se os estudos na investigação do estresse com o uso do Nariz Eletrônico (“Enose”) e aprendizado de máquina (“machine learning”). O objetivo deste trabalho foi realizar medidas com o “E-nose” e do monitoramento de CO2 (ppm), da temperatura (oC), umidade relativa (%) e iluminação (Lux) para a cultura da soja em crescimento e em ambiente controlado, observando as alterações de níveis desses dados de maneira continuada ao longo da submissão do estresse hídrico. Os dados obtidos foram aplicados no aprendizado de máquina para estudar a detecção de níveis de severidade do estresse (ausência de estresse, estresse moderado ou estresse severo). A aplicação de técnicas de inteligência artificial permite a identificação antecipada do estresse na planta, de maneira não invasiva, não destrutiva e que pode vir a ser utilizado para apoiar a tomada de decisão. Durante as medições, as plantas foram mantidas em uma câmara instrumentada e o monitoramento dos dados de temperatura, de umidade relativa e CO2 foi feito a cada 5 minutos. Dados esses que compuseram uma base de dados maior, junto a análise gasosa do “E-nose” e as medidas da intensidade luminosa, onde ambas foram realizadas duas vezes ao dia. Após esse processo, realizou-se a mineração de dados visando classificar o nível de severid... Mostrar Tudo |
Palavras-Chave: |
Cultura da soja; Estresse abiótico. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/226957/1/P-O-Nariz-eletronico-E-nose-e-a-inteligencia-artificial-aplicados-para-monitorar-de.pdf
|
Marc: |
LEADER 03718nam a2200193 a 4500 001 2135328 005 2022-06-10 008 2021 bl uuuu u00u1 u #d 022 $a1980-6841 100 1 $aLUCCAS, M. dos S. 245 $aO Nariz eletrônico (E-nose) e a inteligência artificial, aplicados para monitorar de forma não invasiva o nível de estresse hídrico da soja.$h[electronic resource] 260 $aIn: JORNADA CIENTÍFICA - EMBRAPA SÃO CARLOS, 13., 2021, São Carlos, SP. Anais... São Carlos: Embrapa Pecuária Sudeste: Embrapa Instrumentação, 2021. Editores técnicos: Alexandre Berndt, Ana Rita de Araujo Nogueira, Lea Chapaval Andri, Marcelo Mattos Cavallari, Manuel Antonio Chagas Jacinto.$c2021 300 $a54 520 $aA intensidade e a severidade do déficit hídrico são consideradas indicadores de fundamental importância, relacionado ao estresse abiótico, e que limitam a produção agrícola mundial. Neste trabalho apresenta-se os estudos na investigação do estresse com o uso do Nariz Eletrônico (“Enose”) e aprendizado de máquina (“machine learning”). O objetivo deste trabalho foi realizar medidas com o “E-nose” e do monitoramento de CO2 (ppm), da temperatura (oC), umidade relativa (%) e iluminação (Lux) para a cultura da soja em crescimento e em ambiente controlado, observando as alterações de níveis desses dados de maneira continuada ao longo da submissão do estresse hídrico. Os dados obtidos foram aplicados no aprendizado de máquina para estudar a detecção de níveis de severidade do estresse (ausência de estresse, estresse moderado ou estresse severo). A aplicação de técnicas de inteligência artificial permite a identificação antecipada do estresse na planta, de maneira não invasiva, não destrutiva e que pode vir a ser utilizado para apoiar a tomada de decisão. Durante as medições, as plantas foram mantidas em uma câmara instrumentada e o monitoramento dos dados de temperatura, de umidade relativa e CO2 foi feito a cada 5 minutos. Dados esses que compuseram uma base de dados maior, junto a análise gasosa do “E-nose” e as medidas da intensidade luminosa, onde ambas foram realizadas duas vezes ao dia. Após esse processo, realizou-se a mineração de dados visando classificar o nível de severidade do estresse hídrico na planta. Amostras de 500 µl de gases da câmara foram obtidas em triplicata, sendo utilizado o método de “headspace”, para análise global dos compostos orgânicos voláteis (COVs). Um “E-nose” comercial da Alpha Moss foi utilizado. As curvas de sensibilidade (η(%)) obtidas alimentaram a base de dados junto ao monitoramento da câmara. As técnicas de mineração de dados foram utilizadas, por intermédio do software “WekaTM” e utilizou-se a estratégia de árvore de decisão, “K-nearest neighbors (KNN)” e análise de discriminantes lineares (LDA). Testes de validação foram aplicados nos aprendizados, considerando plantas distintas para o treino e o teste, o que representou bons resultados para o aprendizado sobre o comportamento da medida de amostra de planta através do conjunto de outras plantas. Ao final de 27 testes, obteve-se um classificador capaz de detectar com bom índice de acerto a ausência de irrigação e, com uma menor eficiência, a severidade do estresse, usando o monitoramento de uma planta para predição do comportamento de outra. Nos trabalhos futuros pretende-se investigar essa aplicação metodológica em condições experimentais adversas e os seus níveis de severidade. 653 $aCultura da soja 653 $aEstresse abiótico 700 1 $aHERRMANN JUNIOR, P. S. de P. 700 1 $aFERREIRA, E. J. 700 1 $aTORRE NETO, A.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Instrumentação (CNPDIA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|