|
|
Registro Completo |
Biblioteca(s): |
Embrapa Instrumentação. |
Data corrente: |
23/01/2023 |
Data da última atualização: |
12/01/2024 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Autoria: |
CORREA, D. V.; RAMOS, A. P. M.; OSCO, L. P.; JORGE, L. A. de C. |
Afiliação: |
LUCIO ANDRE DE CASTRO JORGE, CNPDIA. |
Título: |
Aprendizagem de máquina para identificação de plantas de soja sob ataque de insetos usando dados hiperespectrais. |
Ano de publicação: |
2023 |
Fonte/Imprenta: |
Colloquium Exactarum, v.14, 2023. |
Páginas: |
146-153 |
ISSN: |
2178-8332 |
DOI: |
10.5747/ce.2022.v14.e393 |
Idioma: |
Português |
Conteúdo: |
A integração entre as áreas de sensoriamento remoto e machine learning tem permitido um avanço na forma de mapeamento de campos agrícolas e monitoramento de culturas. Este trabalho investiga a capacidade de algoritmos de aprendizagem de máquina em classificar plantas de soja sob ataque de insetos, utilizando medidas de espectroscopia de refletância coletadas ao nível foliar. Para tanto, desenvolveu-se testes com diferentes algoritmos utilizando um conjunto de 991 curvas espectrais referentes à planta de soja saudável e sob ataque de pragas, coletadas em oito dias consecutivos. Essas curvas foram medidas pela equipe da EMBRAPA, usando um espectrorradiômetro portátil, que registra no intervalo de 350 a 2500 nm. Tais curvas foram, inicialmente, pré-processadas para a remoção das regiões de absorção atmosférica pelo vapor d?água, e em seguida subdividida em conjunto de treino, validação e teste dos algoritmos de aprendizagem de máquina. Utilizou-se o interpretador Google Collabs e os algoritmos foram inscritos em linguagem Python, utilizando bibliotecas, como a Skit Sklearn. Dentre os algoritmos utilizados, tem-se Random Forest, Decision Tree, Support Vector Machine, Logistic Regression e Extra-Tree. O Extra-tree tem melhor desempenho (F1-score = 80,40%; precision = 81%; recall = 80%) na tarefa proposta. Conclui-se que é possível processar medidas de espectroscopia de refletância com algoritmos de aprendizagem de máquina para se monitorar o ataque por insetos em plantas de soja. Recomenda-se que a abordagem aplicada seja testada em outras culturas. MenosA integração entre as áreas de sensoriamento remoto e machine learning tem permitido um avanço na forma de mapeamento de campos agrícolas e monitoramento de culturas. Este trabalho investiga a capacidade de algoritmos de aprendizagem de máquina em classificar plantas de soja sob ataque de insetos, utilizando medidas de espectroscopia de refletância coletadas ao nível foliar. Para tanto, desenvolveu-se testes com diferentes algoritmos utilizando um conjunto de 991 curvas espectrais referentes à planta de soja saudável e sob ataque de pragas, coletadas em oito dias consecutivos. Essas curvas foram medidas pela equipe da EMBRAPA, usando um espectrorradiômetro portátil, que registra no intervalo de 350 a 2500 nm. Tais curvas foram, inicialmente, pré-processadas para a remoção das regiões de absorção atmosférica pelo vapor d?água, e em seguida subdividida em conjunto de treino, validação e teste dos algoritmos de aprendizagem de máquina. Utilizou-se o interpretador Google Collabs e os algoritmos foram inscritos em linguagem Python, utilizando bibliotecas, como a Skit Sklearn. Dentre os algoritmos utilizados, tem-se Random Forest, Decision Tree, Support Vector Machine, Logistic Regression e Extra-Tree. O Extra-tree tem melhor desempenho (F1-score = 80,40%; precision = 81%; recall = 80%) na tarefa proposta. Conclui-se que é possível processar medidas de espectroscopia de refletância com algoritmos de aprendizagem de máquina para se monitorar o ataque por insetos em plantas de soja.... Mostrar Tudo |
Palavras-Chave: |
Aprendizagem de máquina; Medidas de refletância. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/245659/1/P-APRENDIZAGEM-DE-MAQUINA-PARA-IDENTIFICACAO-DE-PLANTAS-DE-SOJA.pdf
|
Marc: |
LEADER 02265naa a2200217 a 4500 001 2151175 005 2024-01-12 008 2023 bl uuuu u00u1 u #d 022 $a2178-8332 024 7 $a10.5747/ce.2022.v14.e393$2DOI 100 1 $aCORREA, D. V. 245 $aAprendizagem de máquina para identificação de plantas de soja sob ataque de insetos usando dados hiperespectrais.$h[electronic resource] 260 $c2023 300 $a146-153 520 $aA integração entre as áreas de sensoriamento remoto e machine learning tem permitido um avanço na forma de mapeamento de campos agrícolas e monitoramento de culturas. Este trabalho investiga a capacidade de algoritmos de aprendizagem de máquina em classificar plantas de soja sob ataque de insetos, utilizando medidas de espectroscopia de refletância coletadas ao nível foliar. Para tanto, desenvolveu-se testes com diferentes algoritmos utilizando um conjunto de 991 curvas espectrais referentes à planta de soja saudável e sob ataque de pragas, coletadas em oito dias consecutivos. Essas curvas foram medidas pela equipe da EMBRAPA, usando um espectrorradiômetro portátil, que registra no intervalo de 350 a 2500 nm. Tais curvas foram, inicialmente, pré-processadas para a remoção das regiões de absorção atmosférica pelo vapor d?água, e em seguida subdividida em conjunto de treino, validação e teste dos algoritmos de aprendizagem de máquina. Utilizou-se o interpretador Google Collabs e os algoritmos foram inscritos em linguagem Python, utilizando bibliotecas, como a Skit Sklearn. Dentre os algoritmos utilizados, tem-se Random Forest, Decision Tree, Support Vector Machine, Logistic Regression e Extra-Tree. O Extra-tree tem melhor desempenho (F1-score = 80,40%; precision = 81%; recall = 80%) na tarefa proposta. Conclui-se que é possível processar medidas de espectroscopia de refletância com algoritmos de aprendizagem de máquina para se monitorar o ataque por insetos em plantas de soja. Recomenda-se que a abordagem aplicada seja testada em outras culturas. 653 $aAprendizagem de máquina 653 $aMedidas de refletância 700 1 $aRAMOS, A. P. M. 700 1 $aOSCO, L. P. 700 1 $aJORGE, L. A. de C. 773 $tColloquium Exactarum$gv.14, 2023.
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 Gado de Corte. |
Data corrente: |
10/12/2015 |
Data da última atualização: |
13/01/2016 |
Tipo da produção científica: |
Resumo em Anais de Congresso |
Autoria: |
ESTEVES, V. P. P.; BUNGENSTAB, D. J. |
Afiliação: |
V ICTOR P. P. ESTEVES, Federal University of Rio de Janeiro, Program in Chemical and Biochemical Process Technology, Brazil.; DAVI JOSE BUNGENSTAB, CNPGC. |
Título: |
The influence of integrated crop-livestock systems on life cycle assessment (lca) of soybean-based biodiesel in Central-Brazil. |
Ano de publicação: |
2015 |
Fonte/Imprenta: |
In: TROPENTAG 2015: INTERNATIONAL RESEARCH ON FOOD SECURITY, NATURAL RESOURCE MANAGEMENT AND RURAL DEVELOPMENT, Humboldt, 2015. Management of land use systems for enchanced food security - conflicts, controversies and resolutions: book of abstracts. Berlin: Unversität zu Berlin, 2015. |
Páginas: |
P. 636 |
Idioma: |
Inglês |
Palavras-Chave: |
Integrated systems; LCA. |
Thesaurus NAL: |
biodiesel. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/135324/1/proceedings.dvi-Tropentag2015boa-PAG-636.pdf
|
Marc: |
LEADER 00763nam a2200157 a 4500 001 2031319 005 2016-01-13 008 2015 bl uuuu u00u1 u #d 100 1 $aESTEVES, V. P. P. 245 $aThe influence of integrated crop-livestock systems on life cycle assessment (lca) of soybean-based biodiesel in Central-Brazil.$h[electronic resource] 260 $aIn: TROPENTAG 2015: INTERNATIONAL RESEARCH ON FOOD SECURITY, NATURAL RESOURCE MANAGEMENT AND RURAL DEVELOPMENT, Humboldt, 2015. Management of land use systems for enchanced food security - conflicts, controversies and resolutions: book of abstracts. Berlin: Unversität zu Berlin$c2015 300 $aP. 636 650 $abiodiesel 653 $aIntegrated systems 653 $aLCA 700 1 $aBUNGENSTAB, D. J.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Gado de Corte (CNPGC) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Expressão de busca inválida. Verifique!!! |
|
|