| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Instrumentação. |
|
Data corrente: |
23/01/2023 |
|
Data da última atualização: |
12/01/2024 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
CORREA, D. V.; RAMOS, A. P. M.; OSCO, L. P.; JORGE, L. A. de C. |
|
Afiliação: |
LUCIO ANDRE DE CASTRO JORGE, CNPDIA. |
|
Título: |
Aprendizagem de máquina para identificação de plantas de soja sob ataque de insetos usando dados hiperespectrais. |
|
Ano de publicação: |
2023 |
|
Fonte/Imprenta: |
Colloquium Exactarum, v.14, 2023. |
|
Páginas: |
146-153 |
|
ISSN: |
2178-8332 |
|
DOI: |
10.5747/ce.2022.v14.e393 |
|
Idioma: |
Português |
|
Conteúdo: |
A integração entre as áreas de sensoriamento remoto e machine learning tem permitido um avanço na forma de mapeamento de campos agrícolas e monitoramento de culturas. Este trabalho investiga a capacidade de algoritmos de aprendizagem de máquina em classificar plantas de soja sob ataque de insetos, utilizando medidas de espectroscopia de refletância coletadas ao nível foliar. Para tanto, desenvolveu-se testes com diferentes algoritmos utilizando um conjunto de 991 curvas espectrais referentes à planta de soja saudável e sob ataque de pragas, coletadas em oito dias consecutivos. Essas curvas foram medidas pela equipe da EMBRAPA, usando um espectrorradiômetro portátil, que registra no intervalo de 350 a 2500 nm. Tais curvas foram, inicialmente, pré-processadas para a remoção das regiões de absorção atmosférica pelo vapor d?água, e em seguida subdividida em conjunto de treino, validação e teste dos algoritmos de aprendizagem de máquina. Utilizou-se o interpretador Google Collabs e os algoritmos foram inscritos em linguagem Python, utilizando bibliotecas, como a Skit Sklearn. Dentre os algoritmos utilizados, tem-se Random Forest, Decision Tree, Support Vector Machine, Logistic Regression e Extra-Tree. O Extra-tree tem melhor desempenho (F1-score = 80,40%; precision = 81%; recall = 80%) na tarefa proposta. Conclui-se que é possível processar medidas de espectroscopia de refletância com algoritmos de aprendizagem de máquina para se monitorar o ataque por insetos em plantas de soja. Recomenda-se que a abordagem aplicada seja testada em outras culturas. MenosA integração entre as áreas de sensoriamento remoto e machine learning tem permitido um avanço na forma de mapeamento de campos agrícolas e monitoramento de culturas. Este trabalho investiga a capacidade de algoritmos de aprendizagem de máquina em classificar plantas de soja sob ataque de insetos, utilizando medidas de espectroscopia de refletância coletadas ao nível foliar. Para tanto, desenvolveu-se testes com diferentes algoritmos utilizando um conjunto de 991 curvas espectrais referentes à planta de soja saudável e sob ataque de pragas, coletadas em oito dias consecutivos. Essas curvas foram medidas pela equipe da EMBRAPA, usando um espectrorradiômetro portátil, que registra no intervalo de 350 a 2500 nm. Tais curvas foram, inicialmente, pré-processadas para a remoção das regiões de absorção atmosférica pelo vapor d?água, e em seguida subdividida em conjunto de treino, validação e teste dos algoritmos de aprendizagem de máquina. Utilizou-se o interpretador Google Collabs e os algoritmos foram inscritos em linguagem Python, utilizando bibliotecas, como a Skit Sklearn. Dentre os algoritmos utilizados, tem-se Random Forest, Decision Tree, Support Vector Machine, Logistic Regression e Extra-Tree. O Extra-tree tem melhor desempenho (F1-score = 80,40%; precision = 81%; recall = 80%) na tarefa proposta. Conclui-se que é possível processar medidas de espectroscopia de refletância com algoritmos de aprendizagem de máquina para se monitorar o ataque por insetos em plantas de soja.... Mostrar Tudo |
|
Palavras-Chave: |
Aprendizagem de máquina; Medidas de refletância. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/245659/1/P-APRENDIZAGEM-DE-MAQUINA-PARA-IDENTIFICACAO-DE-PLANTAS-DE-SOJA.pdf
|
|
Marc: |
LEADER 02265naa a2200217 a 4500
001 2151175
005 2024-01-12
008 2023 bl uuuu u00u1 u #d
022 $a2178-8332
024 7 $a10.5747/ce.2022.v14.e393$2DOI
100 1 $aCORREA, D. V.
245 $aAprendizagem de máquina para identificação de plantas de soja sob ataque de insetos usando dados hiperespectrais.$h[electronic resource]
260 $c2023
300 $a146-153
520 $aA integração entre as áreas de sensoriamento remoto e machine learning tem permitido um avanço na forma de mapeamento de campos agrícolas e monitoramento de culturas. Este trabalho investiga a capacidade de algoritmos de aprendizagem de máquina em classificar plantas de soja sob ataque de insetos, utilizando medidas de espectroscopia de refletância coletadas ao nível foliar. Para tanto, desenvolveu-se testes com diferentes algoritmos utilizando um conjunto de 991 curvas espectrais referentes à planta de soja saudável e sob ataque de pragas, coletadas em oito dias consecutivos. Essas curvas foram medidas pela equipe da EMBRAPA, usando um espectrorradiômetro portátil, que registra no intervalo de 350 a 2500 nm. Tais curvas foram, inicialmente, pré-processadas para a remoção das regiões de absorção atmosférica pelo vapor d?água, e em seguida subdividida em conjunto de treino, validação e teste dos algoritmos de aprendizagem de máquina. Utilizou-se o interpretador Google Collabs e os algoritmos foram inscritos em linguagem Python, utilizando bibliotecas, como a Skit Sklearn. Dentre os algoritmos utilizados, tem-se Random Forest, Decision Tree, Support Vector Machine, Logistic Regression e Extra-Tree. O Extra-tree tem melhor desempenho (F1-score = 80,40%; precision = 81%; recall = 80%) na tarefa proposta. Conclui-se que é possível processar medidas de espectroscopia de refletância com algoritmos de aprendizagem de máquina para se monitorar o ataque por insetos em plantas de soja. Recomenda-se que a abordagem aplicada seja testada em outras culturas.
653 $aAprendizagem de máquina
653 $aMedidas de refletância
700 1 $aRAMOS, A. P. M.
700 1 $aOSCO, L. P.
700 1 $aJORGE, L. A. de C.
773 $tColloquium Exactarum$gv.14, 2023.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Instrumentação (CNPDIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 203 | |
| 10. |  | GOMES, C. A. S.; JORGE, L. A. de C. Desenvolvimento de ferramenta de extração de atributos para gabarito eletrônico para valoração de frutas e hortaliças frescas. In: SIMPÓSIO NACIONAL DE INSTRUMENTAÇÃO AGROPECUÁRIA, 2014, São Carlos, SP Anais do SIAGRO: ciência, inovação e mercado 2014. São Carlos, SP: Embrapa Instrumentação, 2014. p. 85-88. Editores: Carlos Manoel Pedro Vaz, Débora Marcondes Bastos Pereira Milori, Silvio Crestana.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Instrumentação. |
|    |
| 11. | | SILVA, M. P. A.; JORGE, L. A. de C. Desenvolvimento de algoritmo computacional para análise espectral de culturas de milho, soja e algodão. In: JORNADA CIENTÍFICA - EMBRAPA SÃO CARLOS, 12., 2020, São Carlos, SP. Anais... São Carlos: Embrapa Instrumentação: Embrapa Pecuária Sudeste, 2020. Editores técnicos: Cristiane Sanchez Farinas, Daniel Souza Corrêa, José Manoel Marconcini, Maria Fernanda Berlingieri Durigan, Paulo Sérgio de Paula Herrmann Junior. 50 Embrapa Instrumentação. Documentos, 71.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Instrumentação. |
| |
| 14. | | VELTRONI, W. C.; JORGE, L. A. de C. Implementação de novas ferramentas no software AFSoft. In: JORNADA CIENTÍFICA - EMBRAPA SÃO CARLOS, 4., 2012, São Carlos, SP. Anais... São Carlos: Embrapa Instrumentação: Embrapa Pecuária Sudeste, 2012. p. 140. Editores técnicos: João de Mendonça Naime, Lucimara Aparecida Forato, Maria Alice Martins, Ladislau Marcelino Rabello, Rubens Bernardes Filho. (Embrapa Instrumentação. Documentos, 56)| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Instrumentação. |
| |
| 15. | | IRBER JÚNIOR, L. C.; JORGE, L. A. de C. Melhorando a performance de aplicações cientificas escritas na linguagem Phython. In: FÓRUM INTERNATIONAL SOFTWARE LIVRE - FISL, 8., 2007, Porto Alegre, RS; WORKSHOP SOBRE SOFTWARE LIVRE, 8., 2007, Porto Alegre. A tecnologia que liberta. [Anais...] Porto Alegre: SBC, 2007. p. 83-88.| Tipo: Artigo em Anais de Congresso / Nota Técnica |
| Biblioteca(s): Embrapa Instrumentação. |
| |
| 18. | | MACHADO, T. H. S.; JORGE, L. A. de C. Fotogrametria com drones na agricultura de precisão. In: JORNADA CIENTÍFICA - EMBRAPA SÃO CARLOS, 12., 2020, São Carlos, SP. Anais... São Carlos: Embrapa Instrumentação: Embrapa Pecuária Sudeste, 2020. Editores técnicos: Cristiane Sanchez Farinas, Daniel Souza Corrêa, José Manoel Marconcini, Maria Fernanda Berlingieri Durigan, Paulo Sérgio de Paula Herrmann Junior. Embrapa Insrumentação. Documentos, 71.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Instrumentação. |
| |
| Registros recuperados : 203 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
