| |
|
|
| Registros recuperados : 123 | |
| 64. |  | SPERANZA, E. A.; BRANDINI, A. R. S.; INAMASU, R. Y.; JORGE, L. A. de C. Plataforma para compartilhamento de dados de pesquisa em agricultura de precisão. In: SIMPÓSIO NACIONAL DE INSTRUMENTAÇÃO AGROPECUÁRIA, 4., 2019, São Carlos, SP. Ciência, inovação e mercado: anais. São Carlos, SP: Embrapa Instrumentação, 2019. p. 180-184. Editores: Paulino Ribeiro Villas-Boas, Maria Alice Martins, Débora Marcondes Bastos Pereira Milori, Ladislau Martin Neto. SIAGRO 2019.| Biblioteca(s): Embrapa Agricultura Digital; Embrapa Instrumentação. |
|    |
| 69. | | PINTO, M. G.; GREGO, C. R.; RODRIGUES, C. A. G.; RODRIGUES, G. C.; SPERANZA, E. A.; LUCHIARI JUNIOR, A. Comportamento espacial da fertilidade do solo em variedades de café cultivado no sul de Minas. In: MOSTRA DE ESTAGIÁRIOS E BOLSISTAS DA EMBRAPA AGRICULTURA DIGITAL, 1., 2022, Campinas. Resumos... Campinas: Embrapa Agricultura Digital, 2022. p. 40. (Embrapa Agricultura Digital. Eventos técnicos & científicos, 1).| Biblioteca(s): Embrapa Territorial. |
| |
| 70. | | PINTO, M. G.; GREGO, C. R.; RODRIGUES, C. A. G.; RODRIGUES, G. C.; SPERANZA, E. A.; LUCHIARI JUNIOR, A. Comportamento espacial da fertilidade do solo em variedades de café cultivado no sul de Minas. In: MOSTRA DE ESTAGIÁRIOS E BOLSISTAS DA EMBRAPA AGRICULTURA DIGITAL, 1., 2022, Campinas. Resumos... Campinas: Embrapa Agricultura Digital, 2022. p. 40. (Embrapa Agricultura Digital. Eventos técnicos & científicos, 1).| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| 71. | | ARANTES, C. S.; SPERANZA, E. A.; ANTUNES, J. F. G.; BARBOSA, L. A. F.; CANÇADO, G. M. de A. Complemento no QGIS para monitoramento de áreas de cana-de-açúcar por meio de índices vegetativos MODIS. In: MOSTRA DE ESTAGIÁRIOS E BOLSISTAS DA EMBRAPA AGRICULTURA DIGITAL, 1., 2022, Campinas. Resumos... Campinas: Embrapa Agricultura Digital, 2022. p. 44-45. (Embrapa Agricultura Digital. Eventos técnicos & científicos, 1).| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| 74. | | LIMA, J. P. N. de; YANO, I. H.; SPERANZA, E. A.; BARBOSA, L. A. F.; CANÇADO, G. M. de A. Sugarcane planting failure classfication through deep learning approach in drone imagery. In: MOSTRA DE ESTAGIÁRIOS E BOLSISTAS DA EMBRAPA AGRICULTURA DIGITAL, 1., 2022, Campinas. Resumos... Campinas: Embrapa Agricultura Digital, 2022. p. 43. (Embrapa Agricultura Digital. Eventos técnicos & científicos, 1).| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| 75. | | LIMA, J. P. N.; SPERANZA, E. A.; BARBOSA, L. A. F.; CANÇADO, G. M. de A.; YANO, I. H. Identificação de falhas de plantio em lavouras de cana-de-açúcar. In: ENCONTRO DE GESTÃO E TECNOLOGIA DA FACULDADE DE TECNOLOGIA DA ZONA LESTE, 5., 2022, São Paulo. Anais [...]. São Paulo: ENGETEC, 2022. 12 p. Coordenação permanente de Celio Daroncho, Luciano Francisco de Oliveira, João Roberto Maiellaro.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| 78. | | SPERANZA, E. A.; ANTUNES, J. F. G.; BARBOSA, L. A. F.; CANÇADO, G. M. de A.; VANSCONCELOS, J. C. Importância de índices de vegetação para modelos de estimativa de produtividade em cana-de-açúcar. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 20., 2023, Florianópolis. Anais [...]. São José dos Campos: Instituto Nacional de Pesquisas Espaciais, 2023. p. 1492-1495. Editores: Douglas Francisco Marcolino Gherardi, Ieda Del´Arco Sanches, Luiz Eduardo Oliveira e Cruz de Aragão.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| 80. | | MOREIRA, H. C. B.; ESQUERDO, J. C. D. M.; SPERANZA, E. A.; CRUZ, S. A. B. da; COUTINHO, A. C. Desenvolvimento de uma aplicação web para a geração de perfis multitemporais de dados de NDVI/Modis. In: MOSTRA DE ESTAGIÁRIOS E BOLSISTAS DA EMBRAPA INFORMÁTICA AGROPECUÁRIA, 9., 2013, Campinas. Resumos... Brasília, DF: Embrapa, 2013. p. 148-150.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| Registros recuperados : 123 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
26/09/2023 |
|
Data da última atualização: |
03/10/2023 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
LIMA, J. P. N.; SPERANZA, E. A.; BARBOSA, L. A. F.; CANÇADO, G. M. de A.; YANO, I. H. |
|
Afiliação: |
JOÃO PEDRO NASCIMENTO DE LIMA, ANHANGUERA EDUCACIONAL; EDUARDO ANTONIO SPERANZA, CNPTIA; LUIZ ANTONIO FALAGUASTA BARBOSA, CNPTIA; GERALDO MAGELA DE ALMEIDA CANCADO, CNPTIA; INACIO HENRIQUE YANO, CNPTIA. |
|
Título: |
Identificação de falhas de plantio em lavouras de cana-de-açúcar. |
|
Ano de publicação: |
2022 |
|
Fonte/Imprenta: |
In: ENCONTRO DE GESTÃO E TECNOLOGIA DA FACULDADE DE TECNOLOGIA DA ZONA LESTE, 5., 2022, São Paulo. Anais [...]. São Paulo: ENGETEC, 2022. |
|
Páginas: |
12 p. |
|
ISSN: |
2675-4479 |
|
Idioma: |
Português |
|
Notas: |
Coordenação permanente de Celio Daroncho, Luciano Francisco de Oliveira, João Roberto Maiellaro. |
|
Conteúdo: |
Resumo: A presença de falhas de plantio está entre os maiores motivos para quebra de produção da cana-de-açúcar, sendo que em alguns casos é necessário proceder-se o replantio das áreas afetadas. Sendo importante, portanto, identificar tais áreas, tanto para o replantio, como também, para estimativa da produtividade da lavoura. As falhas podem ser ocasionadas por pisoteios nas linhas de cultivo, por maquinários descalibrados durante as operações de colheita, entre outros fatores. Considera-se como falhas de plantio, no caso específico da cana-de-açúcar, espaços entre plantas maiores que 50 cm, porque a partir desse tamanho passariam a interferir na produtividade da lavoura. Como as lavouras de cana-de-açúcar permitem vários cortes, antes que se faça a reforma do canavial, momento em que se faz novo plantio, as falhas acabam por afetar a produtividade da cana-de-açúcar por vários anos, podendo, por isso, causar grandes prejuízos econômicos. Assim existem diversos trabalhos sendo desenvolvidos para a identificação e mapeamento das falhas por meio de análises de imagens de aeronaves remotamente pilotadas (arps), com o intuito de se evitar o processo custoso e demorado de procedimentos manuais. Dentre os métodos para identificação de objetos por processamento de imagens estão as técnicas de aprendizado de máquina. Este trabalho tem como objetivo a identificação de falhas de plantio em lavouras de cana-de-açúcar em imagens capturadas por arps e foi realizado com a rede neural Yolov5, que é uma rede de aprendizado profundo bastante difundida e de fácil utilização. -- Abstract: The presence of planting failures is among the biggest reasons for the drop in sugarcane production, and in some cases, it is necessary to replant the affected areas. Therefore, it is valuable to identify such areas. to aid in replanting and estimating crop productivity reasons. Failures can be caused by trampling on crop lines and uncalibrated machinery during harvesting operations, among other factors. To be considered sugarcane planting failure, the spaces between plants should be larger than 50 cm. Because of that size, they would interfere with crop productivity. as sugarcane is a semi-perennial crop, the failures affect the sugarcane productivity for several years and may cause several economic damages. Thus, several works were developed for planting failure identification using remote piloted aircraft (rpa) imagery to avoid costly and time-consuming manual procedures. Among the methods for identifying objects by image processing are machine learning techniques. This work aims to identify planting failures in sugarcane crops in images captured by rpas. we used the Yolov5 neural network. This network is a widespread and easy-to-use deep learning network. MenosResumo: A presença de falhas de plantio está entre os maiores motivos para quebra de produção da cana-de-açúcar, sendo que em alguns casos é necessário proceder-se o replantio das áreas afetadas. Sendo importante, portanto, identificar tais áreas, tanto para o replantio, como também, para estimativa da produtividade da lavoura. As falhas podem ser ocasionadas por pisoteios nas linhas de cultivo, por maquinários descalibrados durante as operações de colheita, entre outros fatores. Considera-se como falhas de plantio, no caso específico da cana-de-açúcar, espaços entre plantas maiores que 50 cm, porque a partir desse tamanho passariam a interferir na produtividade da lavoura. Como as lavouras de cana-de-açúcar permitem vários cortes, antes que se faça a reforma do canavial, momento em que se faz novo plantio, as falhas acabam por afetar a produtividade da cana-de-açúcar por vários anos, podendo, por isso, causar grandes prejuízos econômicos. Assim existem diversos trabalhos sendo desenvolvidos para a identificação e mapeamento das falhas por meio de análises de imagens de aeronaves remotamente pilotadas (arps), com o intuito de se evitar o processo custoso e demorado de procedimentos manuais. Dentre os métodos para identificação de objetos por processamento de imagens estão as técnicas de aprendizado de máquina. Este trabalho tem como objetivo a identificação de falhas de plantio em lavouras de cana-de-açúcar em imagens capturadas por arps e foi realizado com a rede neural Yol... Mostrar Tudo |
|
Palavras-Chave: |
Aprendizado de máquina; Image processing; Machine learning; Processamento de imagem; YOLOv5. |
|
Thesagro: |
Cana de Açúcar. |
|
Thesaurus NAL: |
Image analysis; Sugarcane. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1156895/1/PC-Identificacao-falhas-EnGeTec.pdf
|
|
Marc: |
LEADER 03809nam a2200289 a 4500
001 2156895
005 2023-10-03
008 2022 bl uuuu u00u1 u #d
022 $a2675-4479
100 1 $aLIMA, J. P. N.
245 $aIdentificação de falhas de plantio em lavouras de cana-de-açúcar.$h[electronic resource]
260 $aIn: ENCONTRO DE GESTÃO E TECNOLOGIA DA FACULDADE DE TECNOLOGIA DA ZONA LESTE, 5., 2022, São Paulo. Anais [...]. São Paulo: ENGETEC$c2022
300 $a12 p.
500 $aCoordenação permanente de Celio Daroncho, Luciano Francisco de Oliveira, João Roberto Maiellaro.
520 $aResumo: A presença de falhas de plantio está entre os maiores motivos para quebra de produção da cana-de-açúcar, sendo que em alguns casos é necessário proceder-se o replantio das áreas afetadas. Sendo importante, portanto, identificar tais áreas, tanto para o replantio, como também, para estimativa da produtividade da lavoura. As falhas podem ser ocasionadas por pisoteios nas linhas de cultivo, por maquinários descalibrados durante as operações de colheita, entre outros fatores. Considera-se como falhas de plantio, no caso específico da cana-de-açúcar, espaços entre plantas maiores que 50 cm, porque a partir desse tamanho passariam a interferir na produtividade da lavoura. Como as lavouras de cana-de-açúcar permitem vários cortes, antes que se faça a reforma do canavial, momento em que se faz novo plantio, as falhas acabam por afetar a produtividade da cana-de-açúcar por vários anos, podendo, por isso, causar grandes prejuízos econômicos. Assim existem diversos trabalhos sendo desenvolvidos para a identificação e mapeamento das falhas por meio de análises de imagens de aeronaves remotamente pilotadas (arps), com o intuito de se evitar o processo custoso e demorado de procedimentos manuais. Dentre os métodos para identificação de objetos por processamento de imagens estão as técnicas de aprendizado de máquina. Este trabalho tem como objetivo a identificação de falhas de plantio em lavouras de cana-de-açúcar em imagens capturadas por arps e foi realizado com a rede neural Yolov5, que é uma rede de aprendizado profundo bastante difundida e de fácil utilização. -- Abstract: The presence of planting failures is among the biggest reasons for the drop in sugarcane production, and in some cases, it is necessary to replant the affected areas. Therefore, it is valuable to identify such areas. to aid in replanting and estimating crop productivity reasons. Failures can be caused by trampling on crop lines and uncalibrated machinery during harvesting operations, among other factors. To be considered sugarcane planting failure, the spaces between plants should be larger than 50 cm. Because of that size, they would interfere with crop productivity. as sugarcane is a semi-perennial crop, the failures affect the sugarcane productivity for several years and may cause several economic damages. Thus, several works were developed for planting failure identification using remote piloted aircraft (rpa) imagery to avoid costly and time-consuming manual procedures. Among the methods for identifying objects by image processing are machine learning techniques. This work aims to identify planting failures in sugarcane crops in images captured by rpas. we used the Yolov5 neural network. This network is a widespread and easy-to-use deep learning network.
650 $aImage analysis
650 $aSugarcane
650 $aCana de Açúcar
653 $aAprendizado de máquina
653 $aImage processing
653 $aMachine learning
653 $aProcessamento de imagem
653 $aYOLOv5
700 1 $aSPERANZA, E. A.
700 1 $aBARBOSA, L. A. F.
700 1 $aCANÇADO, G. M. de A.
700 1 $aYANO, I. H.
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. |
|
|
