|
|
Registros recuperados : 61 | |
14. | | BILHARVA, M. G.; SOUZA, R. S. de; LÚCIO, P. da S.; MARTINS, C. R.; KROLOW, A. C. R. Análise química dos frutos das cultivares de amora-preta xingu e tupy produzidos em sistema de base ecológico. In: ENCONTRO DE INICIAÇÃO CIENTÍFICA E PÓS-GRADUAÇÃO DA EMBRAPA CLIMA TEMPERADO, 6., 2016, Pelotas. Ciência: Empreendedorismo e inovação: anais. Brasília, DF: Embrapa, 2016. p. 113-115 Biblioteca(s): Embrapa Clima Temperado. |
| |
15. | | SOUZA, R. S. DE; MARTINS, C. R.; ANTUNES, L. E. C.; VIZZOTTO, M.; KROLOW, A. C. R.; MALGARIM, M. B. Chemical and mineral characteristics, bioactive compounds and antioxidant activity of blackberries grown in an organic system. Comunicata Scientiae, Bom Jesus, v. 11, 2020. 8 p. Biblioteca(s): Embrapa Clima Temperado. |
| |
16. | | ABREU, R. L. de; GODOY, R. L. de O.; SANTOS, I. F. dos; PACHECO, S.; SOUZA, R. S. de. Comparação da carne de javali (Sus scrofa scrofa) em relação à de outras espécies no que tange a hidroxiprolina. Revista Brasileira de Medicina Veterinária, Rio de Janeiro, v. 33, n. 1, p. 58-60, jan./mar. 2011. Biblioteca(s): Embrapa Agroindústria de Alimentos. |
| |
17. | | SOUZA, R. S. de; BILHARVA, M. G.; DE MARCO, R.; ANTUNES, L. E. C.; MARTINS, C. R.; MALGARIM, M. B. Phenological and productive characteristics of blackberry genotypes grown in an organic production system. Anais da Academia Brasileira de Ciências, v. 93, v. 1, e20181265, 2021. 11 p. Biblioteca(s): Embrapa Clima Temperado. |
| |
18. | | SOUZA, R. S. de; MARCO, R. de; BILHARVA, M. G.; CROSA, C. F. R.; MARTINS, C. R. Profundidade de plantio de estacas de figueira em embalagens de polietileno. Revista Científica Rural, Bagé, v. 22, n. 2, p. 240-248, 2020. Biblioteca(s): Embrapa Clima Temperado. |
| |
19. | | MARCO, R. de; CROSA, C. F. R.; MARTINS, C. R.; SOUZA, R. S. de; HERTER, F. G. Característica fenológica de cultivares de nogueira pecã no Uruguai e no Brasil. Revista Científica Rural, Bagé, v. 25, n. 1, p. 302-317, 2023. Biblioteca(s): Embrapa Clima Temperado. |
| |
20. | | SOUZA, R. S. de; LIMA, A. D.; SILVA, G. F. da; MARCO, R. de; BILHARVA, M. G.; MARTINS, C. R. Cultivo de amoreira-preta em sistema de produção orgânica. Revista da 15ª Jornada de Pós-graduação e Pesquisa, v. 15, n, 15, p. 1011-1019, 2018. Biblioteca(s): Embrapa Clima Temperado. |
| |
Registros recuperados : 61 | |
|
|
Registro Completo
Biblioteca(s): |
Embrapa Instrumentação. |
Data corrente: |
14/10/2021 |
Data da última atualização: |
10/06/2022 |
Tipo da produção científica: |
Resumo em Anais de Congresso |
Autoria: |
LUCCAS, M. dos S.; HERRMANN JUNIOR, P. S. de P.; FERREIRA, E. J.; TORRE NETO, A. |
Afiliação: |
PAULO SERGIO DE P HERRMANN JUNIOR, CNPDIA; EDNALDO JOSE FERREIRA, CNPDIA; ANDRE TORRE NETO, CNPDIA. |
Título: |
O Nariz eletrônico (E-nose) e a inteligência artificial, aplicados para monitorar de forma não invasiva o nível de estresse hídrico da soja. |
Ano de publicação: |
2021 |
Fonte/Imprenta: |
In: JORNADA CIENTÍFICA - EMBRAPA SÃO CARLOS, 13., 2021, São Carlos, SP. Anais... São Carlos: Embrapa Pecuária Sudeste: Embrapa Instrumentação, 2021. Editores técnicos: Alexandre Berndt, Ana Rita de Araujo Nogueira, Lea Chapaval Andri, Marcelo Mattos Cavallari, Manuel Antonio Chagas Jacinto. |
Páginas: |
54 |
ISSN: |
1980-6841 |
Idioma: |
Português |
Conteúdo: |
A intensidade e a severidade do déficit hídrico são consideradas indicadores de fundamental importância, relacionado ao estresse abiótico, e que limitam a produção agrícola mundial. Neste trabalho apresenta-se os estudos na investigação do estresse com o uso do Nariz Eletrônico (“Enose”) e aprendizado de máquina (“machine learning”). O objetivo deste trabalho foi realizar medidas com o “E-nose” e do monitoramento de CO2 (ppm), da temperatura (oC), umidade relativa (%) e iluminação (Lux) para a cultura da soja em crescimento e em ambiente controlado, observando as alterações de níveis desses dados de maneira continuada ao longo da submissão do estresse hídrico. Os dados obtidos foram aplicados no aprendizado de máquina para estudar a detecção de níveis de severidade do estresse (ausência de estresse, estresse moderado ou estresse severo). A aplicação de técnicas de inteligência artificial permite a identificação antecipada do estresse na planta, de maneira não invasiva, não destrutiva e que pode vir a ser utilizado para apoiar a tomada de decisão. Durante as medições, as plantas foram mantidas em uma câmara instrumentada e o monitoramento dos dados de temperatura, de umidade relativa e CO2 foi feito a cada 5 minutos. Dados esses que compuseram uma base de dados maior, junto a análise gasosa do “E-nose” e as medidas da intensidade luminosa, onde ambas foram realizadas duas vezes ao dia. Após esse processo, realizou-se a mineração de dados visando classificar o nível de severidade do estresse hídrico na planta. Amostras de 500 µl de gases da câmara foram obtidas em triplicata, sendo utilizado o método de “headspace”, para análise global dos compostos orgânicos voláteis (COVs). Um “E-nose” comercial da Alpha Moss foi utilizado. As curvas de sensibilidade (η(%)) obtidas alimentaram a base de dados junto ao monitoramento da câmara. As técnicas de mineração de dados foram utilizadas, por intermédio do software “WekaTM” e utilizou-se a estratégia de árvore de decisão, “K-nearest neighbors (KNN)” e análise de discriminantes lineares (LDA). Testes de validação foram aplicados nos aprendizados, considerando plantas distintas para o treino e o teste, o que representou bons resultados para o aprendizado sobre o comportamento da medida de amostra de planta através do conjunto de outras plantas. Ao final de 27 testes, obteve-se um classificador capaz de detectar com bom índice de acerto a ausência de irrigação e, com uma menor eficiência, a severidade do estresse, usando o monitoramento de uma planta para predição do comportamento de outra. Nos trabalhos futuros pretende-se investigar essa aplicação metodológica em condições experimentais adversas e os seus níveis de severidade. MenosA intensidade e a severidade do déficit hídrico são consideradas indicadores de fundamental importância, relacionado ao estresse abiótico, e que limitam a produção agrícola mundial. Neste trabalho apresenta-se os estudos na investigação do estresse com o uso do Nariz Eletrônico (“Enose”) e aprendizado de máquina (“machine learning”). O objetivo deste trabalho foi realizar medidas com o “E-nose” e do monitoramento de CO2 (ppm), da temperatura (oC), umidade relativa (%) e iluminação (Lux) para a cultura da soja em crescimento e em ambiente controlado, observando as alterações de níveis desses dados de maneira continuada ao longo da submissão do estresse hídrico. Os dados obtidos foram aplicados no aprendizado de máquina para estudar a detecção de níveis de severidade do estresse (ausência de estresse, estresse moderado ou estresse severo). A aplicação de técnicas de inteligência artificial permite a identificação antecipada do estresse na planta, de maneira não invasiva, não destrutiva e que pode vir a ser utilizado para apoiar a tomada de decisão. Durante as medições, as plantas foram mantidas em uma câmara instrumentada e o monitoramento dos dados de temperatura, de umidade relativa e CO2 foi feito a cada 5 minutos. Dados esses que compuseram uma base de dados maior, junto a análise gasosa do “E-nose” e as medidas da intensidade luminosa, onde ambas foram realizadas duas vezes ao dia. Após esse processo, realizou-se a mineração de dados visando classificar o nível de severid... Mostrar Tudo |
Palavras-Chave: |
Cultura da soja; Estresse abiótico. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/226957/1/P-O-Nariz-eletronico-E-nose-e-a-inteligencia-artificial-aplicados-para-monitorar-de.pdf
|
Marc: |
LEADER 03718nam a2200193 a 4500 001 2135328 005 2022-06-10 008 2021 bl uuuu u00u1 u #d 022 $a1980-6841 100 1 $aLUCCAS, M. dos S. 245 $aO Nariz eletrônico (E-nose) e a inteligência artificial, aplicados para monitorar de forma não invasiva o nível de estresse hídrico da soja.$h[electronic resource] 260 $aIn: JORNADA CIENTÍFICA - EMBRAPA SÃO CARLOS, 13., 2021, São Carlos, SP. Anais... São Carlos: Embrapa Pecuária Sudeste: Embrapa Instrumentação, 2021. Editores técnicos: Alexandre Berndt, Ana Rita de Araujo Nogueira, Lea Chapaval Andri, Marcelo Mattos Cavallari, Manuel Antonio Chagas Jacinto.$c2021 300 $a54 520 $aA intensidade e a severidade do déficit hídrico são consideradas indicadores de fundamental importância, relacionado ao estresse abiótico, e que limitam a produção agrícola mundial. Neste trabalho apresenta-se os estudos na investigação do estresse com o uso do Nariz Eletrônico (“Enose”) e aprendizado de máquina (“machine learning”). O objetivo deste trabalho foi realizar medidas com o “E-nose” e do monitoramento de CO2 (ppm), da temperatura (oC), umidade relativa (%) e iluminação (Lux) para a cultura da soja em crescimento e em ambiente controlado, observando as alterações de níveis desses dados de maneira continuada ao longo da submissão do estresse hídrico. Os dados obtidos foram aplicados no aprendizado de máquina para estudar a detecção de níveis de severidade do estresse (ausência de estresse, estresse moderado ou estresse severo). A aplicação de técnicas de inteligência artificial permite a identificação antecipada do estresse na planta, de maneira não invasiva, não destrutiva e que pode vir a ser utilizado para apoiar a tomada de decisão. Durante as medições, as plantas foram mantidas em uma câmara instrumentada e o monitoramento dos dados de temperatura, de umidade relativa e CO2 foi feito a cada 5 minutos. Dados esses que compuseram uma base de dados maior, junto a análise gasosa do “E-nose” e as medidas da intensidade luminosa, onde ambas foram realizadas duas vezes ao dia. Após esse processo, realizou-se a mineração de dados visando classificar o nível de severidade do estresse hídrico na planta. Amostras de 500 µl de gases da câmara foram obtidas em triplicata, sendo utilizado o método de “headspace”, para análise global dos compostos orgânicos voláteis (COVs). Um “E-nose” comercial da Alpha Moss foi utilizado. As curvas de sensibilidade (η(%)) obtidas alimentaram a base de dados junto ao monitoramento da câmara. As técnicas de mineração de dados foram utilizadas, por intermédio do software “WekaTM” e utilizou-se a estratégia de árvore de decisão, “K-nearest neighbors (KNN)” e análise de discriminantes lineares (LDA). Testes de validação foram aplicados nos aprendizados, considerando plantas distintas para o treino e o teste, o que representou bons resultados para o aprendizado sobre o comportamento da medida de amostra de planta através do conjunto de outras plantas. Ao final de 27 testes, obteve-se um classificador capaz de detectar com bom índice de acerto a ausência de irrigação e, com uma menor eficiência, a severidade do estresse, usando o monitoramento de uma planta para predição do comportamento de outra. Nos trabalhos futuros pretende-se investigar essa aplicação metodológica em condições experimentais adversas e os seus níveis de severidade. 653 $aCultura da soja 653 $aEstresse abiótico 700 1 $aHERRMANN JUNIOR, P. S. de P. 700 1 $aFERREIRA, E. J. 700 1 $aTORRE NETO, A.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Instrumentação (CNPDIA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|