|
|
| Acesso ao texto completo restrito à biblioteca da Embrapa Soja. Para informações adicionais entre em contato com valeria.cardoso@embrapa.br. |
Registro Completo |
Biblioteca(s): |
Embrapa Soja. |
Data corrente: |
20/06/2006 |
Data da última atualização: |
13/11/2023 |
Tipo da produção científica: |
Artigo de Divulgação na Mídia |
Autoria: |
CASTRO, C. de; OLIVEIRA, F. A. de. |
Afiliação: |
CESAR DE CASTRO, CNPSO; FABIO ALVARES DE OLIVEIRA, CNPSO. |
Título: |
A importância dos micronutrientes na cultura da soja. |
Ano de publicação: |
2006 |
Fonte/Imprenta: |
Informativo Bio Soja, São Joaquim da Barra, v. 2, n. 3, p. 12-13, jun. 2006. |
Idioma: |
Português |
Thesagro: |
Microelemento; Nutrição Vegetal; Nutriente; Soja. |
Thesaurus Nal: |
Soybeans. |
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
Marc: |
LEADER 00518nam a2200169 a 4500 001 1467159 005 2023-11-13 008 2006 bl uuuu u00u1 u #d 100 1 $aCASTRO, C. de 245 $aA importância dos micronutrientes na cultura da soja.$h[electronic resource] 260 $aInformativo Bio Soja, São Joaquim da Barra, v. 2, n. 3, p. 12-13, jun. 2006.$c2006 650 $aSoybeans 650 $aMicroelemento 650 $aNutrição Vegetal 650 $aNutriente 650 $aSoja 700 1 $aOLIVEIRA, F. A. de
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Soja (CNPSO) |
|
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. |
|
|