| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agropecuária Oeste. |
|
Data corrente: |
08/06/1999 |
|
Data da última atualização: |
05/03/2013 |
|
Autoria: |
GUIMARAES FILHO, C.; SOARES, J. E. G. |
|
Título: |
Sistema CBL para produção de bovinos no semi-árido. |
|
Ano de publicação: |
1999 |
|
Fonte/Imprenta: |
Petrolina: Embrapa Semi-Árido, 1999. |
|
Páginas: |
Nao paginado. |
|
Série: |
(Embrapa Semi-Árido. Instruções Técnicas, 2). |
|
Idioma: |
Português |
|
Palavras-Chave: |
Bovinae; Brasil; Production; Regiao Nordeste. |
|
Thesagro: |
Bovino; Produção. |
|
Thesaurus Nal: |
Brazil. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 00590nam a2200217 a 4500
001 1241316
005 2013-03-05
008 1999 bl uuuu u0uu1 u #d
100 1 $aGUIMARAES FILHO, C.
245 $aSistema CBL para produção de bovinos no semi-árido.
260 $aPetrolina: Embrapa Semi-Árido$c1999
300 $aNao paginado.
490 $a(Embrapa Semi-Árido. Instruções Técnicas, 2).
650 $aBrazil
650 $aBovino
650 $aProdução
653 $aBovinae
653 $aBrasil
653 $aProduction
653 $aRegiao Nordeste
700 1 $aSOARES, J. E. G.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agropecuária Oeste (CPAO) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Unidades Centrais. |
|
Data corrente: |
29/07/2022 |
|
Data da última atualização: |
01/02/2024 |
|
Autoria: |
POHLOD. C. D.; WIGGERS, K. L.; ORLOVSKI; FERREIRA, R.; SANTOS, T. A.; LOPES, W. N. |
|
Afiliação: |
CARLOS DANIEL POHLOD, UNIVERSIDADE ESTADUAL DO CENTRO-OESTE; KELLY LAIS WIGGERS, UNIVERSIDADE ESTADUAL DO CENTRO-OESTE; REGIANE ORLOVSKI, UNIVERSIDADE ESTADUAL DO CENTRO-OESTE; RODRIGO FERREIRA, FUNDAÇÃO AGRÁRIA DE PESQUISA AGROPECUÁRIA; THAIS AMANDA SANTOS, UNIVERSIDADE ESTADUAL DO CENTRO-OESTE; WILLIAM NAHIRNEI LOPES, UNIVERSIDADE ESTADUAL DO CENTRO-OESTE. |
|
Título: |
Mapeamento sistemático de detecção e contagem de plantas em imagens agrícolas usando aprendizagem de máquina: proposta de modelagem para desenvolvimento de sistema. |
|
Ano de publicação: |
2022 |
|
Fonte/Imprenta: |
Cadernos de Ciência & Tecnologia, v. 39, n. 2, e26950, 2022. |
|
DOI: |
http://dx.doi.org/10.35977/0104-1096.cct2022.v39.26950 |
|
Idioma: |
Português |
|
Notas: |
Título em inglês: Systematic mapping of plant detection and counting in agricultural images using machine learning ? modeling proposal for system
development. |
|
Conteúdo: |
RESUMO - A busca por produção de alimentos em grande escala continua sendo uma preocupação mundial. Nesse aspecto, realizada a detecção e contagem de plantas, estimar produção é uma área que está sendo explorada por técnicas de aprendizagem de máquina. Diante disso, este artigo tem como objetivo realizar um mapeamento bibliográfico das abordagens de aprendizagem de máquina aplicadas na estimativa de detecção e contagem de plantas. Com esse mapeamento, pretende-se avaliar se existem similaridades entre cultivos e técnicas escolhidas pelos autores e, dessa forma, propor uma modelagem para estudos futuros com imagens capturadas por VANTs. Para alcançar o objetivo proposto, foi aplicada uma string de busca em bases de dados e foram filtrados os resultados. Nesse mapeamento, 18 artigos foram relatados. Os resultados mostraram que o estado da arte indica que, modelos de Rede Neural Artificial (RNA), com destaque em Redes Neurais Convolucionais, estão sendo amplamente utilizados na contagem/estimativa de produção. ABSTRACT - The search for large-scale food production continues to be a global concern. In this regard, when detecting and counting plants, estimating production is an area that is explored by machine learning techniques. Given the above, this article aims to carry out a bibliographic mapping of machine learning approaches applied to plant detection and counting estimation. With this mapping, it was intended to evaluate if there are similarities between crops and techniques chosen by the authors and, in this way, to propose a model for future studies with images captured by UAVs. To achieve the proposed objective, a search string was applied to databases and the results were filtered. In this mapping, 18 papers were reported. The results showed that the state of the art indicates that Artificial Neural Network (ANN) models, mainly Convolutional Neural Networks (CNN), are being widely used in production counting/estimation. MenosRESUMO - A busca por produção de alimentos em grande escala continua sendo uma preocupação mundial. Nesse aspecto, realizada a detecção e contagem de plantas, estimar produção é uma área que está sendo explorada por técnicas de aprendizagem de máquina. Diante disso, este artigo tem como objetivo realizar um mapeamento bibliográfico das abordagens de aprendizagem de máquina aplicadas na estimativa de detecção e contagem de plantas. Com esse mapeamento, pretende-se avaliar se existem similaridades entre cultivos e técnicas escolhidas pelos autores e, dessa forma, propor uma modelagem para estudos futuros com imagens capturadas por VANTs. Para alcançar o objetivo proposto, foi aplicada uma string de busca em bases de dados e foram filtrados os resultados. Nesse mapeamento, 18 artigos foram relatados. Os resultados mostraram que o estado da arte indica que, modelos de Rede Neural Artificial (RNA), com destaque em Redes Neurais Convolucionais, estão sendo amplamente utilizados na contagem/estimativa de produção. ABSTRACT - The search for large-scale food production continues to be a global concern. In this regard, when detecting and counting plants, estimating production is an area that is explored by machine learning techniques. Given the above, this article aims to carry out a bibliographic mapping of machine learning approaches applied to plant detection and counting estimation. With this mapping, it was intended to evaluate if there are similarities between crops and techniqu... Mostrar Tudo |
|
Thesagro: |
Agricultura; Base de Dados; Setor Agrícola; Tecnologia Agrícola. |
|
Thesaurus NAL: |
Agriculture; Technology. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1145057/1/Mapeamento-sistematico-deteccao-2022.pdf
|
|
Marc: |
LEADER 03037naa a2200277 a 4500
001 2145057
005 2024-02-01
008 2022 bl uuuu u00u1 u #d
024 7 $ahttp://dx.doi.org/10.35977/0104-1096.cct2022.v39.26950$2DOI
100 1 $aPOHLOD. C. D.
245 $aMapeamento sistemático de detecção e contagem de plantas em imagens agrícolas usando aprendizagem de máquina$bproposta de modelagem para desenvolvimento de sistema.$h[electronic resource]
260 $c2022
500 $aTítulo em inglês: Systematic mapping of plant detection and counting in agricultural images using machine learning ? modeling proposal for system development.
520 $aRESUMO - A busca por produção de alimentos em grande escala continua sendo uma preocupação mundial. Nesse aspecto, realizada a detecção e contagem de plantas, estimar produção é uma área que está sendo explorada por técnicas de aprendizagem de máquina. Diante disso, este artigo tem como objetivo realizar um mapeamento bibliográfico das abordagens de aprendizagem de máquina aplicadas na estimativa de detecção e contagem de plantas. Com esse mapeamento, pretende-se avaliar se existem similaridades entre cultivos e técnicas escolhidas pelos autores e, dessa forma, propor uma modelagem para estudos futuros com imagens capturadas por VANTs. Para alcançar o objetivo proposto, foi aplicada uma string de busca em bases de dados e foram filtrados os resultados. Nesse mapeamento, 18 artigos foram relatados. Os resultados mostraram que o estado da arte indica que, modelos de Rede Neural Artificial (RNA), com destaque em Redes Neurais Convolucionais, estão sendo amplamente utilizados na contagem/estimativa de produção. ABSTRACT - The search for large-scale food production continues to be a global concern. In this regard, when detecting and counting plants, estimating production is an area that is explored by machine learning techniques. Given the above, this article aims to carry out a bibliographic mapping of machine learning approaches applied to plant detection and counting estimation. With this mapping, it was intended to evaluate if there are similarities between crops and techniques chosen by the authors and, in this way, to propose a model for future studies with images captured by UAVs. To achieve the proposed objective, a search string was applied to databases and the results were filtered. In this mapping, 18 papers were reported. The results showed that the state of the art indicates that Artificial Neural Network (ANN) models, mainly Convolutional Neural Networks (CNN), are being widely used in production counting/estimation.
650 $aAgriculture
650 $aTechnology
650 $aAgricultura
650 $aBase de Dados
650 $aSetor Agrícola
650 $aTecnologia Agrícola
700 1 $aWIGGERS, K. L.
700 1 $aORLOVSKI
700 1 $aFERREIRA, R.
700 1 $aSANTOS, T. A.
700 1 $aLOPES, W. N.
773 $tCadernos de Ciência & Tecnologia$gv. 39, n. 2, e26950, 2022.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Unidades Centrais (AI-SEDE) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
