| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
21/10/2020 |
|
Data da última atualização: |
22/10/2020 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
CAMARGO NETO, J.; TERNES, S.; SOUZA, K. X. S. de; YANO, I. H.; QUEIROS, L. R. |
|
Afiliação: |
JOAO CAMARGO NETO, CNPTIA; SONIA TERNES, CNPTIA; KLEBER XAVIER SAMPAIO DE SOUZA, CNPTIA; INACIO HENRIQUE YANO, CNPTIA; LEONARDO RIBEIRO QUEIROS, CNPTIA. |
|
Título: |
Uso de redes neurais convolucionais para detecção de laranjas no campo. |
|
Ano de publicação: |
2019 |
|
Fonte/Imprenta: |
In: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 12., 2019, Indaiatuba. Anais... Ponta Grossa: SBIAGRO, 2019. |
|
Páginas: |
p. 312-321. |
|
ISBN: |
978-65-00-10242-0 |
|
Idioma: |
Português |
|
Notas: |
Organizadores: Maria Fernanda Moura, Jayme Garcia Arnal Barbedo, Alaine Margarete Guimarães, Valter Castelhano de Oliveira. SBIAgro 2019. |
|
Conteúdo: |
RESUMO. A laranja e seus derivados são um dos principais produtos do agronegócio brasileiro, além de uma das cadeias produtivas que mais emprega mão de obra por hectare, o que mostra o alto grau de impacto econômico e social desta cultura para o país. Uma estimativa de produção eficiente pode auxiliar os produtores tanto no manejo de sua lavoura quanto na adoção de estratégias de vendas com a indústria. Este trabalho descreve o processo de treinamento e teste de uma rede neural de aprendizado profundo para a detecção e contagem de frutos verdes a partir de imagens digitais de pés de laranja obtidas no campo. Os resultados para as imagens de teste apresentaram índice de mais de 90% de precisão, com cerca de 90% de revocação para a rede neural. Isso indica que a metodologia utilizada é bastante promissora. |
|
Palavras-Chave: |
Aprendizado profundo; Citros; Contagem de frutos verdes; Deep learning; Imagem digital; Rede neural de aprendizado profundo; Visão computacional; Yolo-v3. |
|
Thesagro: |
Laranja. |
|
Thesaurus Nal: |
Citrus; Computer vision; Digital images; Neural networks. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/216886/1/PC-Redes-neurais-SBIAGRO-2019.pdf
|
|
Marc: |
LEADER 01998nam a2200349 a 4500
001 2125722
005 2020-10-22
008 2019 bl uuuu u00u1 u #d
020 $a978-65-00-10242-0
100 1 $aCAMARGO NETO, J.
245 $aUso de redes neurais convolucionais para detecção de laranjas no campo.$h[electronic resource]
260 $aIn: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 12., 2019, Indaiatuba. Anais... Ponta Grossa: SBIAGRO$c2019
300 $ap. 312-321.
500 $aOrganizadores: Maria Fernanda Moura, Jayme Garcia Arnal Barbedo, Alaine Margarete Guimarães, Valter Castelhano de Oliveira. SBIAgro 2019.
520 $aRESUMO. A laranja e seus derivados são um dos principais produtos do agronegócio brasileiro, além de uma das cadeias produtivas que mais emprega mão de obra por hectare, o que mostra o alto grau de impacto econômico e social desta cultura para o país. Uma estimativa de produção eficiente pode auxiliar os produtores tanto no manejo de sua lavoura quanto na adoção de estratégias de vendas com a indústria. Este trabalho descreve o processo de treinamento e teste de uma rede neural de aprendizado profundo para a detecção e contagem de frutos verdes a partir de imagens digitais de pés de laranja obtidas no campo. Os resultados para as imagens de teste apresentaram índice de mais de 90% de precisão, com cerca de 90% de revocação para a rede neural. Isso indica que a metodologia utilizada é bastante promissora.
650 $aCitrus
650 $aComputer vision
650 $aDigital images
650 $aNeural networks
650 $aLaranja
653 $aAprendizado profundo
653 $aCitros
653 $aContagem de frutos verdes
653 $aDeep learning
653 $aImagem digital
653 $aRede neural de aprendizado profundo
653 $aVisão computacional
653 $aYolo-v3
700 1 $aTERNES, S.
700 1 $aSOUZA, K. X. S. de
700 1 $aYANO, I. H.
700 1 $aQUEIROS, L. R.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Tabuleiros Costeiros. Para informações adicionais entre em contato com cpatc.biblioteca@embrapa.br. |
Registro Completo
|
Biblioteca(s): |
Embrapa Tabuleiros Costeiros; Embrapa Territorial. |
|
Data corrente: |
15/12/2023 |
|
Data da última atualização: |
19/12/2023 |
|
Tipo da produção científica: |
Capítulo em Livro Técnico-Científico |
|
Autoria: |
SILVA, M. A. S. da; BARRETO, P. V. de A.; MATOS, L. N.; MIRANDA JUNIOR, G. F.; DOMPIERI, M. H. G.; MOURA, F. R. de; RESENDE, F. K. S.; NOVAIS, P.; OLIVEIRA, P. |
|
Afiliação: |
MARCOS AURELIO SANTOS DA SILVA, CPATC; PEDRO V. DE A. BARRETO, UFS; LEONARDO N. MATOS, UFS; GASTAO F. MIRANDA JUNIOR, UFS; MARCIA HELENA GALINA DOMPIERI, CNPM; FABIO R. DE MOURA; FABRICIA K. S. RESENDE, UFS; PAULO NOVAIS, Department of Computing, Minho University; PEDRO OLIVEIRA, ALGORITMI Centre; LASI Minho University. |
|
Título: |
A self-organizing map clustering approach to support territorial zoning. |
|
Ano de publicação: |
2023 |
|
Fonte/Imprenta: |
In: VASCONCELOS, V.; DOMINGUES, I.; PAREDES, S. (ed.). Progress in pattern recognition, image analysis, computer vision, and applications. Heidelberg: Springer, 2023. |
|
Páginas: |
p. 289-303. |
|
Idioma: |
Inglês |
|
Notas: |
Apresentado no 26th Iberoamerican Congress, CIARP 2023 Coimbra, Portugal, November 27–30, 2023. Proceedings, Part I. |
|
Palavras-Chave: |
Análise espacial. |
|
Thesagro: |
Mapa; Método de Análise; Uso da Terra; Zoneamento Agrícola. |
|
Thesaurus NAL: |
Agricultural zoning; Map projections; Territoriality; Zoning. |
|
Categoria do assunto: |
Z Localizações Geográficas |
|
Marc: |
LEADER 01176naa a2200337 a 4500
001 2159787
005 2023-12-19
008 2023 bl uuuu u00u1 u #d
100 1 $aSILVA, M. A. S. da
245 $aA self-organizing map clustering approach to support territorial zoning.$h[electronic resource]
260 $c2023
300 $ap. 289-303.
500 $aApresentado no 26th Iberoamerican Congress, CIARP 2023 Coimbra, Portugal, November 27–30, 2023. Proceedings, Part I.
650 $aAgricultural zoning
650 $aMap projections
650 $aTerritoriality
650 $aZoning
650 $aMapa
650 $aMétodo de Análise
650 $aUso da Terra
650 $aZoneamento Agrícola
653 $aAnálise espacial
700 1 $aBARRETO, P. V. de A.
700 1 $aMATOS, L. N.
700 1 $aMIRANDA JUNIOR, G. F.
700 1 $aDOMPIERI, M. H. G.
700 1 $aMOURA, F. R. de
700 1 $aRESENDE, F. K. S.
700 1 $aNOVAIS, P.
700 1 $aOLIVEIRA, P.
773 $tIn: VASCONCELOS, V.; DOMINGUES, I.; PAREDES, S. (ed.). Progress in pattern recognition, image analysis, computer vision, and applications. Heidelberg: Springer, 2023.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Tabuleiros Costeiros (CPATC) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
