| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Caprinos e Ovinos. |
|
Data corrente: |
11/05/2015 |
|
Data da última atualização: |
16/01/2024 |
|
Autoria: |
RUMPF, R.; IGUMA, L. T. |
|
Afiliação: |
RODOLFO RUMPF, CENARGEN; LILIAN TAMY IGUMA, CNPGL. |
|
Título: |
Clonagem animal: aplicações, estado da arte e desafios. |
|
Ano de publicação: |
2005 |
|
Fonte/Imprenta: |
In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 42., 2005, Goiânia. A produção animal e o foco no agronegócio: anais. Goiânia: SBZ, 2005. p. 351-362. |
|
Idioma: |
Português |
|
Palavras-Chave: |
Cloning. |
|
Thesagro: |
Clonagem. |
|
Categoria do assunto: |
L Ciência Animal e Produtos de Origem Animal |
|
Marc: |
LEADER 00486nam a2200133 a 4500
001 2015087
005 2024-01-16
008 2005 bl uuuu u00u1 u #d
100 1 $aRUMPF, R.
245 $aClonagem animal$baplicações, estado da arte e desafios.
260 $aIn: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 42., 2005, Goiânia. A produção animal e o foco no agronegócio: anais. Goiânia: SBZ, 2005. p. 351-362.$c2005
650 $aClonagem
653 $aCloning
700 1 $aIGUMA, L. T.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Caprinos e Ovinos (CNPC) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
12/01/2018 |
|
Data da última atualização: |
21/01/2020 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
SANTOS, A. A. dos; SANTOS, T. T. |
|
Afiliação: |
ANDREZA APARECIDA DOS SANTOS, Unicamp, Bolsista CNPTIA; THIAGO TEIXEIRA SANTOS, CNPTIA. |
|
Título: |
Estudo de métodos de aprendizagem profunda para reconhecimento de bagas de uva. |
|
Ano de publicação: |
2017 |
|
Fonte/Imprenta: |
In: MOSTRA DE ESTAGIÁRIOS E BOLSISTAS DA EMBRAPA INFORMÁTICA AGROPCUÁRIA, 13., 2017, Campinas. Resumos expandidos... Brasília, DF: Embrapa, 2017. |
|
Páginas: |
p. 43-46. |
|
ISBN: |
978-85-7035-761-8 |
|
Idioma: |
Português |
|
Notas: |
Editores técnicos: Giampaolo Queiroz Pellegrino, Luciana Guilherme Sacomani Zenerato, Maria Fernanda Moura, Giulia Croce, Poliana Fernanda Giachetto. |
|
Conteúdo: |
Resumo: Dois métodos de aprendizagem profunda (deep learning) para reconhecimento de frutos foram estudados. Foi utilizada uma base de dados de 1.830 imagens contando exemplos de bagas de uva e não uva manualmente anotadas. Os testes realizados demonstraram a identificação de bagas com 85% de precisão e de cobertura (recall) utilizando redes neurais convolutivas. Esses resultados melhoraram o método anteriormente proposto por Santos e Santos (2017) e demonstram a possibilidade de evolução de métodos que podem ser aplicados em campo. |
|
Palavras-Chave: |
Aprendizagem profunda; Deep learning; Pattern recognition; Reconhecimento de padrões; Visão computacional. |
|
Thesagro: |
Viticultura. |
|
Thesaurus NAL: |
Computer vision. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/170931/1/Estudo-de-metodo-aprendizagem.pdf
|
|
Marc: |
LEADER 01506nam a2200241 a 4500
001 2085142
005 2020-01-21
008 2017 bl uuuu u00u1 u #d
020 $a978-85-7035-761-8
100 1 $aSANTOS, A. A. dos
245 $aEstudo de métodos de aprendizagem profunda para reconhecimento de bagas de uva.$h[electronic resource]
260 $aIn: MOSTRA DE ESTAGIÁRIOS E BOLSISTAS DA EMBRAPA INFORMÁTICA AGROPCUÁRIA, 13., 2017, Campinas. Resumos expandidos... Brasília, DF: Embrapa$c2017
300 $ap. 43-46.
500 $aEditores técnicos: Giampaolo Queiroz Pellegrino, Luciana Guilherme Sacomani Zenerato, Maria Fernanda Moura, Giulia Croce, Poliana Fernanda Giachetto.
520 $aResumo: Dois métodos de aprendizagem profunda (deep learning) para reconhecimento de frutos foram estudados. Foi utilizada uma base de dados de 1.830 imagens contando exemplos de bagas de uva e não uva manualmente anotadas. Os testes realizados demonstraram a identificação de bagas com 85% de precisão e de cobertura (recall) utilizando redes neurais convolutivas. Esses resultados melhoraram o método anteriormente proposto por Santos e Santos (2017) e demonstram a possibilidade de evolução de métodos que podem ser aplicados em campo.
650 $aComputer vision
650 $aViticultura
653 $aAprendizagem profunda
653 $aDeep learning
653 $aPattern recognition
653 $aReconhecimento de padrões
653 $aVisão computacional
700 1 $aSANTOS, T. T.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
