|
|
Registro Completo |
Biblioteca(s): |
Embrapa Hortaliças. |
Data corrente: |
28/01/2014 |
Data da última atualização: |
28/01/2014 |
Tipo da produção científica: |
Capítulo em Livro Técnico-Científico |
Autoria: |
HABER, L. L.; SANTOS, F. H. C. dos; MARQUES, M. O. M.; FACANALI, R.; VIEIRA, M. A. R. |
Afiliação: |
LENITA LIMA HABER, CNPH; FRANCISCO HERBETH COSTA DOS SANTOS, CNPH; MARCIA ORTIZ MAYO MARQUES, QUIMÍCA DE PRODUTOS NATURAIS, INSTITUTO AGRONÔMICO CAMPINAS; ROSELAINE FACANALI, QUÍMICA DE PRODUTOS NATURAIS, INSTITUTO AGRONÔMICO DE CAMPINAS; MARIA APARECIDA RIBEIRO VIEIRA, QUÍMICA DE PRODUTOS NATURAIS, INSTITUTO AGRONÔMICO DE CAMPINAS. |
Título: |
Características morfológicas, químicas e uso de plantas aromáticas e condimentares. |
Ano de publicação: |
2013 |
Fonte/Imprenta: |
In: HABER, L. L.; CLEMENTE, F. M. V. T. Plantas aromáticas e condimentares: uso aplicado na horticultura. Brasília, DF : Embrapa, 2013. |
Páginas: |
p. 19-78. |
Idioma: |
Português |
Palavras-Chave: |
Alfavacão; Amor-perfeito; Azedinha; Boldo; Capim-limão; Cidro; Erva-cidreira; Erva-doce; Estragão; Funcho; Hortelã; Jambu; Lavanda; Losna; Manjerona; Ora-pro-nobis; Peixinho; Pimenta-do-reino; Poejo; Salsão; Salsinha; Segurelha; Tomilho. |
Thesagro: |
Açafrão; Alecrim; Alfavaca; Alho; Arruda; Calendula; Camomila; Capuchinha; Cebola; Cebolinha; Citronela; Coentro; Cominho; Gengibre; Gerânio; Louro; Macela; Malva; Manjericão; Menta; Orégano; Ruibarbo; Sálvia; Vetiver. |
Thesaurus Nal: |
Melissa. |
Categoria do assunto: |
-- |
Marc: |
LEADER 01786naa a2200745 a 4500 001 1977691 005 2014-01-28 008 2013 bl uuuu u00u1 u #d 100 1 $aHABER, L. L. 245 $aCaracterísticas morfológicas, químicas e uso de plantas aromáticas e condimentares. 260 $c2013 300 $ap. 19-78. 650 $aMelissa 650 $aAçafrão 650 $aAlecrim 650 $aAlfavaca 650 $aAlho 650 $aArruda 650 $aCalendula 650 $aCamomila 650 $aCapuchinha 650 $aCebola 650 $aCebolinha 650 $aCitronela 650 $aCoentro 650 $aCominho 650 $aGengibre 650 $aGerânio 650 $aLouro 650 $aMacela 650 $aMalva 650 $aManjericão 650 $aMenta 650 $aOrégano 650 $aRuibarbo 650 $aSálvia 650 $aVetiver 653 $aAlfavacão 653 $aAmor-perfeito 653 $aAzedinha 653 $aBoldo 653 $aCapim-limão 653 $aCidro 653 $aErva-cidreira 653 $aErva-doce 653 $aEstragão 653 $aFuncho 653 $aHortelã 653 $aJambu 653 $aLavanda 653 $aLosna 653 $aManjerona 653 $aOra-pro-nobis 653 $aPeixinho 653 $aPimenta-do-reino 653 $aPoejo 653 $aSalsão 653 $aSalsinha 653 $aSegurelha 653 $aTomilho 700 1 $aSANTOS, F. H. C. dos 700 1 $aMARQUES, M. O. M. 700 1 $aFACANALI, R. 700 1 $aVIEIRA, M. A. R. 773 $tIn: HABER, L. L.; CLEMENTE, F. M. V. T. Plantas aromáticas e condimentares: uso aplicado na horticultura. Brasília, DF : Embrapa, 2013.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Hortaliças (CNPH) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Gado de Corte. |
Data corrente: |
25/01/2023 |
Data da última atualização: |
25/01/2023 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Circulação/Nível: |
A - 1 |
Autoria: |
SANTOS; MARCATO JUNIOR, J.; ZAMBONI, P.; SANTOS, M. F.; JANK, L.; CAMPOS, E.; MATSUBARA, E. T. |
Afiliação: |
LUIZ SANTOS, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL; JOSÉ MARCATO JUNIOR, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL; PEDRO ZAMBONI, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL; MATEUS FIGUEIREDO SANTOS, CNPGC; LIANA JANK, CNPGC; EDILENE CAMPOS, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL; EDSON TAKASHI MATSUBARA, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL. |
Título: |
Deep learning regression approaches applied to estimate tillering in tropical forages using mobile phone images. |
Ano de publicação: |
2022 |
Fonte/Imprenta: |
Sensors, v. 22, article 4116, 2022. |
ISSN: |
1424-8220 |
DOI: |
https://doi.org/10.3390/s22114116 |
Idioma: |
Inglês |
Notas: |
Na publicação: Mateus Figueiredo Santos. |
Conteúdo: |
We assessed the performance of Convolutional Neural Network (CNN)-based approaches using mobile phone images to estimate regrowth density in tropical forages. We generated a dataset composed of 1124 labeled images with 2 mobile phones 7 days after the harvest of the forage plants. Six architectures were evaluated, including AlexNet, ResNet (18, 34, and 50 layers), ResNeXt101, and DarkNet. The best regression model showed a mean absolute error of 7.70 and a correlation of 0.89. Our findings suggest that our proposal using deep learning on mobile phone images can successfully be used to estimate regrowth density in forages. |
Thesagro: |
Banco de Germoplasma; Forragem; Panicum Maximum; Tecnologia. |
Thesaurus NAL: |
Forage; Mechanical harvesting; Regression analysis; Tillering. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1151204/1/Deep-learning-regression-2022.pdf
|
Marc: |
LEADER 01578naa a2200325 a 4500 001 2151204 005 2023-01-25 008 2022 bl uuuu u00u1 u #d 022 $a1424-8220 024 7 $ahttps://doi.org/10.3390/s22114116$2DOI 100 1 $aSANTOS 245 $aDeep learning regression approaches applied to estimate tillering in tropical forages using mobile phone images.$h[electronic resource] 260 $c2022 500 $aNa publicação: Mateus Figueiredo Santos. 520 $aWe assessed the performance of Convolutional Neural Network (CNN)-based approaches using mobile phone images to estimate regrowth density in tropical forages. We generated a dataset composed of 1124 labeled images with 2 mobile phones 7 days after the harvest of the forage plants. Six architectures were evaluated, including AlexNet, ResNet (18, 34, and 50 layers), ResNeXt101, and DarkNet. The best regression model showed a mean absolute error of 7.70 and a correlation of 0.89. Our findings suggest that our proposal using deep learning on mobile phone images can successfully be used to estimate regrowth density in forages. 650 $aForage 650 $aMechanical harvesting 650 $aRegression analysis 650 $aTillering 650 $aBanco de Germoplasma 650 $aForragem 650 $aPanicum Maximum 650 $aTecnologia 700 1 $aMARCATO JUNIOR, J. 700 1 $aZAMBONI, P. 700 1 $aSANTOS, M. F. 700 1 $aJANK, L. 700 1 $aCAMPOS, E. 700 1 $aMATSUBARA, E. T. 773 $tSensors$gv. 22, article 4116, 2022.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Gado de Corte (CNPGC) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Expressão de busca inválida. Verifique!!! |
|
|