|
|
Registros recuperados : 143 | |
Registros recuperados : 143 | |
|
|
Registro Completo
Biblioteca(s): |
Embrapa Agricultura Digital. |
Data corrente: |
21/12/2017 |
Data da última atualização: |
21/01/2020 |
Tipo da produção científica: |
Artigo em Anais de Congresso |
Autoria: |
SILVA, J. P. da; ZULLO JÚNIOR, J.; ROMANI, L. A. S. |
Afiliação: |
JOÃO PAULO DA SILVA, Feagri/Unicamp; JURANDIR ZULLO JÚNIOR, Cepagri/Unicamp; LUCIANA ALVIM SANTOS ROMANI, CNPTIA. |
Título: |
Active learning e sua aplicação no monitoramento da cana-de-açúcar utilizando o algoritmo SVM. |
Ano de publicação: |
2017 |
Fonte/Imprenta: |
In: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 11., 2017, Campinas. Ciência de dados na era da agricultura digital: anais. Campinas: Editora da Unicamp: Embrapa Informática Agropecuária, 2017. |
Páginas: |
p. 119-128. |
ISBN: |
978-85-85783-75-4 |
Idioma: |
Português |
Notas: |
SBIAgro 2017. |
Conteúdo: |
A cana-de-açúcar é um dos pilares do agronegócio brasileiro e, por apresentar intensa dinâmica expansionista, demanda metodologias que subsidiem a criação de estratégias políticas e econômicas que promovam a sustentabilidade da produção. Este artigo propõe uma nova abordagem de monitoramento de áreas canavieiras baseada na classificação de séries temporais de imagens de satélite associada à técnica de Active Learning. A interação do usuário especialista no aprendizado do algoritmo de classificação através desta técnica utilizando parâmetros sazonais das séries temporais gerou um conjunto de treino otimizado que promoveu a redução do custo operacional de monitoramento da ocupação da cana-de-açúcar. A correlação de cerca de 90% observada entre as análises conduzidas neste trabalho com dados oficiais indica que a metodologia proposta pode ser utilizada no monitoramento agrícola devido à similaridade entre os resultados associada ao baixo custo operacional envolvido. |
Palavras-Chave: |
Algoritmo Support Vector Machine; Análise sazonal; Classificação de imagens; Data mining; Índice de Vegetação da Diferença Normalizada; Mineração de dados; Seasonal analysis; Séries temporais. |
Thesagro: |
Cana de açúcar. |
Thesaurus NAL: |
Sugarcane; Time series analysis; Vegetation index. |
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/169620/1/Active-SBIAgro.pdf
|
Marc: |
LEADER 02147nam a2200313 a 4500 001 2083299 005 2020-01-21 008 2017 bl uuuu u00u1 u #d 020 $a978-85-85783-75-4 100 1 $aSILVA, J. P. da 245 $aActive learning e sua aplicação no monitoramento da cana-de-açúcar utilizando o algoritmo SVM.$h[electronic resource] 260 $aIn: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 11., 2017, Campinas. Ciência de dados na era da agricultura digital: anais. Campinas: Editora da Unicamp: Embrapa Informática Agropecuária$c2017 300 $ap. 119-128. 500 $aSBIAgro 2017. 520 $aA cana-de-açúcar é um dos pilares do agronegócio brasileiro e, por apresentar intensa dinâmica expansionista, demanda metodologias que subsidiem a criação de estratégias políticas e econômicas que promovam a sustentabilidade da produção. Este artigo propõe uma nova abordagem de monitoramento de áreas canavieiras baseada na classificação de séries temporais de imagens de satélite associada à técnica de Active Learning. A interação do usuário especialista no aprendizado do algoritmo de classificação através desta técnica utilizando parâmetros sazonais das séries temporais gerou um conjunto de treino otimizado que promoveu a redução do custo operacional de monitoramento da ocupação da cana-de-açúcar. A correlação de cerca de 90% observada entre as análises conduzidas neste trabalho com dados oficiais indica que a metodologia proposta pode ser utilizada no monitoramento agrícola devido à similaridade entre os resultados associada ao baixo custo operacional envolvido. 650 $aSugarcane 650 $aTime series analysis 650 $aVegetation index 650 $aCana de açúcar 653 $aAlgoritmo Support Vector Machine 653 $aAnálise sazonal 653 $aClassificação de imagens 653 $aData mining 653 $aÍndice de Vegetação da Diferença Normalizada 653 $aMineração de dados 653 $aSeasonal analysis 653 $aSéries temporais 700 1 $aZULLO JÚNIOR, J. 700 1 $aROMANI, L. A. S.
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. |
|
|