|
|
Registros recuperados : 393 | |
49. | | VERWEIJ, P.; SIMOES, M.; ALVES, A.; FERRAZ, R.; CORMONT, A. Linking bayesian belief networks and GIS to assess the ecosystem integrity in the brazilian Amazon. In: INTERNATIONAL CONGRESS ON ENVIRONMENTAL MODELLING AND SOFTWARE, 7., 2014, San Diego. Proceedings... Manno, CH: International Environmental Modelling & Software Society, 2014. v. 2, p. 864-871. Biblioteca(s): Embrapa Solos. |
| |
51. | | SIMÕES, M.; FERRAZ, R.; PEREIRA, S.; ALVEZ, A. Land use changes scenarios and future environmental services provision in the Brazilian Amazon. In: INTERNATIONAL ECOSYSTEM SERVICES PARTNERSHIP CONFERENCE, 8., 2015, Stellenbosch. Ecosystem services for nature, people, and prosperity: book abstract. [S.l.: s.n.], 2015. p. 386. Biblioteca(s): Embrapa Solos. |
| |
52. | | MULIANGA, B.; BÉGUÉ, A.; SIMÕES, M.; CLOUVEL, P.; TODOROFF, P. Estimating potential soil erosion for environmental services in a sugarcane growing área ussing multisource remote sensing data. In: SPIE REMOTE SENSING, 4., 2013, Dresden. Remote sensing for agriculture, ecosystems, and hydrology XV: proceedings... Bellingham: SPIE, 2013. v. 8887. Ref. 88871W. Biblioteca(s): Embrapa Solos. |
| |
53. | | GERGEMANN, I.; CARVALHO, N. M.; SIMOES, M. S. Efeitos da estratificação, em soluções de ácido giberélico, sobre a germinação de sementes de Pinus Taeda L. Silvicultura, São Paulo, v. 2, n. 14, p. 44-46, 1979. Biblioteca(s): Embrapa Florestas. |
| |
57. | | COSTA, W.; FONSECA, L.; KÖRTING, T.; SIMÕES, M.; KUCHLER, P. A case study for a multitemporal segmentation approach in optical remote sensing images. In: INTERNATIONAL CONFERENCE ON ADVANCED GEOGRAPHIC INFORMATION SYSTEMS, APPLICATIONS, AND SERVICES, 10., 2018, Rome. Proceedings... Haifa: Israel Institute of Technology, 2018. p. 66-70. GEOProcessing 2018. Biblioteca(s): Embrapa Solos. |
| |
Registros recuperados : 393 | |
|
|
Registro Completo
Biblioteca(s): |
Embrapa Solos. |
Data corrente: |
19/04/2021 |
Data da última atualização: |
26/10/2021 |
Tipo da produção científica: |
Artigo em Anais de Congresso |
Autoria: |
PORTO, L.; SIMÕES, M.; FERRAZ, R. P. D. |
Afiliação: |
LUAN PORTO, UERJ; MARGARETH GONCALVES SIMOES, CNPS; RODRIGO PECANHA DEMONTE FERRAZ, CNPS. |
Título: |
Segmentação semântica de pastagens utilizando o modelo DeepLabelV3+. |
Ano de publicação: |
2021 |
Fonte/Imprenta: |
In: SEMINÁRIO PIBIC EMBRAPA SOLOS, 2019-2020, Rio de Janeiro. Seminário Pibic Embrapa Solos 2019/2020. Rio de Janeiro: Embrapa Solos, 2021. E-book. (Embrapa Solos. Documentos, 219). |
Idioma: |
Português |
Conteúdo: |
Estima-se que 80% das pastagens cultivadas presentes do Brasil encontram-se em algum nível de degradação. Uma das características marcantes das pastagens degradadas é a presença de plantas invasoras em concorrência com a espécie forrageira. Neste contexto, a identificação e a avaliação do nível de infestação passa ser uma informação relevante para a definição de estratégias de controle e recuperação de pastagens com este problema. Este trabalho objetivou avaliar técnicas de segmentação de imagens para diferenciação de plantas daninhas/invasoras (diversas famílias botânicas) das plantas forrageiras (família gramínea). Estas técnicas se baseiam em aprendizagem não supervisionada por meio do modelo de segmentação semântica Deeplabv3+. Primeiramente, com o objetivo de treinar a rede neural, foram segmentadas manualmente com auxilio do software photoGIMP, imagens de gramíneas (forrageiras) e de diversas plantas de folha larga (daninhas) separadamente. Após o processo de treinamento da rede o modelo foi validado a partir de diferentes imagens separadas para este propósito. Os resultados demonstraram uma acurácia de 95.9%, mostrando potencial para diferenciar as diferentes espécies de plantas daninhas/invasoras das plantas forrageiras (família gramínea) Conclui-se que as técnicas de Visão Computacional, Aprendizado de Máquina e Segmentação Semântica de Imagens apresentam potencial na composição de uma solução metodológica para o diagnóstico quali-quantitativo do processo de infestação de plantas invasoras em pastagens em degradação. MenosEstima-se que 80% das pastagens cultivadas presentes do Brasil encontram-se em algum nível de degradação. Uma das características marcantes das pastagens degradadas é a presença de plantas invasoras em concorrência com a espécie forrageira. Neste contexto, a identificação e a avaliação do nível de infestação passa ser uma informação relevante para a definição de estratégias de controle e recuperação de pastagens com este problema. Este trabalho objetivou avaliar técnicas de segmentação de imagens para diferenciação de plantas daninhas/invasoras (diversas famílias botânicas) das plantas forrageiras (família gramínea). Estas técnicas se baseiam em aprendizagem não supervisionada por meio do modelo de segmentação semântica Deeplabv3+. Primeiramente, com o objetivo de treinar a rede neural, foram segmentadas manualmente com auxilio do software photoGIMP, imagens de gramíneas (forrageiras) e de diversas plantas de folha larga (daninhas) separadamente. Após o processo de treinamento da rede o modelo foi validado a partir de diferentes imagens separadas para este propósito. Os resultados demonstraram uma acurácia de 95.9%, mostrando potencial para diferenciar as diferentes espécies de plantas daninhas/invasoras das plantas forrageiras (família gramínea) Conclui-se que as técnicas de Visão Computacional, Aprendizado de Máquina e Segmentação Semântica de Imagens apresentam potencial na composição de uma solução metodológica para o diagnóstico quali-quantitativo do processo de infesta... Mostrar Tudo |
Palavras-Chave: |
Deeplearning; Gramíneas; Pastagens Degradadas; Plantas Daninhas; Redes Neurais; Visão Computacional. |
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/221328/1/CNPS-DOC-219-2021.epub
|
Marc: |
LEADER 02339nam a2200205 a 4500 001 2131413 005 2021-10-26 008 2021 bl uuuu u01u1 u #d 100 1 $aPORTO, L. 245 $aSegmentação semântica de pastagens utilizando o modelo DeepLabelV3+.$h[electronic resource] 260 $aIn: SEMINÁRIO PIBIC EMBRAPA SOLOS, 2019-2020, Rio de Janeiro. Seminário Pibic Embrapa Solos 2019/2020. Rio de Janeiro: Embrapa Solos, 2021. E-book. (Embrapa Solos. Documentos$c2021 520 $aEstima-se que 80% das pastagens cultivadas presentes do Brasil encontram-se em algum nível de degradação. Uma das características marcantes das pastagens degradadas é a presença de plantas invasoras em concorrência com a espécie forrageira. Neste contexto, a identificação e a avaliação do nível de infestação passa ser uma informação relevante para a definição de estratégias de controle e recuperação de pastagens com este problema. Este trabalho objetivou avaliar técnicas de segmentação de imagens para diferenciação de plantas daninhas/invasoras (diversas famílias botânicas) das plantas forrageiras (família gramínea). Estas técnicas se baseiam em aprendizagem não supervisionada por meio do modelo de segmentação semântica Deeplabv3+. Primeiramente, com o objetivo de treinar a rede neural, foram segmentadas manualmente com auxilio do software photoGIMP, imagens de gramíneas (forrageiras) e de diversas plantas de folha larga (daninhas) separadamente. Após o processo de treinamento da rede o modelo foi validado a partir de diferentes imagens separadas para este propósito. Os resultados demonstraram uma acurácia de 95.9%, mostrando potencial para diferenciar as diferentes espécies de plantas daninhas/invasoras das plantas forrageiras (família gramínea) Conclui-se que as técnicas de Visão Computacional, Aprendizado de Máquina e Segmentação Semântica de Imagens apresentam potencial na composição de uma solução metodológica para o diagnóstico quali-quantitativo do processo de infestação de plantas invasoras em pastagens em degradação. 653 $aDeeplearning 653 $aGramíneas 653 $aPastagens Degradadas 653 $aPlantas Daninhas 653 $aRedes Neurais 653 $aVisão Computacional 700 1 $aSIMÕES, M. 700 1 $aFERRAZ, R. P. D.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Solos (CNPS) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|