| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Pantanal. Para informações adicionais entre em contato com cpap.biblioteca@embrapa.br. |
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Pantanal. |
|
Data corrente: |
12/03/2018 |
|
Data da última atualização: |
17/08/2020 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
WEBER, F. de L.; WEBER, V. A. de M.; MENEZES, G. V.; OLIVEIRA JUNIOR, A. da S.; ALVES, D. A.; OLIVEIRA, M. V. M. de; MATSUBARA, E. T.; PISTORI, H.; ABREU, U. G. P. de. |
|
Afiliação: |
FABRICIO DE LIMA WEBER, Universidade Estadual de Mato Grosso do Sul, Aquidauana; VANESSA APARECIDA DE MORAES WEBER, Universidade Católica Dom Bosco, Campo Grande; GEAZY VILHARVA MENEZES, Universidade Federal do Mato Grosso do Sul, Campo Grande; ADAIR DA SILVA OLIVEIRA JUNIOR, Universidade Federal do Mato Grosso do Sul, Campo Grande; DANIELA ARESTIDES ALVES, Universidade Estadual de Mato Grosso do Sul, Aquidauana; MARCUS VINICIUS MORAIS DE OLIVEIRA, Universidade Estadual de Mato Grosso do Sul, Aquidauana; EDSON TAKASHI MATSUBARA, Universidade Federal do Mato Grosso do Sul, Campo Grande; HEMERSON PISTORI, Universidade Católica Dom Bosco, Campo Grande; URBANO GOMES PINTO DE ABREU, CPAP. |
|
Título: |
Recognition of Pantaneira cattle breed using computer vision and convolutional neural networks. |
|
Ano de publicação: |
2020 |
|
Fonte/Imprenta: |
Computers and Electronics in Agriculture, v. 175, 105548, p. 1-9, 2020. |
|
DOI: |
https://doi.org/10.1016/j.compag.2020.105548 |
|
Idioma: |
Inglês |
|
Conteúdo: |
The objective of this paper is to provide recognition for Pantaneira cattle breed using Convolutional Neural Networks (CNN). Fifty-one animals from the Aquidauana Pantaneira cattle Center (NUBOPAN) were studied. The center is located in the Midwest region of Brazil. Four monitoring cameras were distributed in the fences and took 27,849 images of Pantaneira cattle breed using different angles and positions. The following three CNN architectures were used for the experiment: DenseNet-201, Resnet50 and Inception-Resnet-V. All networks were submitted to 10-fold stratified cross-validation over 50 epochs. The results showed an accuracy of 99% in all networks, which is encouraging for future research. |
|
Thesagro: |
Gado de Corte; Rede; Sistema de Informação. |
|
Thesaurus Nal: |
Cattle; Computer vision; Neural networks. |
|
Categoria do assunto: |
L Ciência Animal e Produtos de Origem Animal |
|
Marc: |
LEADER 01634naa a2200301 a 4500
001 2088972
005 2020-08-17
008 2020 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1016/j.compag.2020.105548$2DOI
100 1 $aWEBER, F. de L.
245 $aRecognition of Pantaneira cattle breed using computer vision and convolutional neural networks.$h[electronic resource]
260 $c2020
520 $aThe objective of this paper is to provide recognition for Pantaneira cattle breed using Convolutional Neural Networks (CNN). Fifty-one animals from the Aquidauana Pantaneira cattle Center (NUBOPAN) were studied. The center is located in the Midwest region of Brazil. Four monitoring cameras were distributed in the fences and took 27,849 images of Pantaneira cattle breed using different angles and positions. The following three CNN architectures were used for the experiment: DenseNet-201, Resnet50 and Inception-Resnet-V. All networks were submitted to 10-fold stratified cross-validation over 50 epochs. The results showed an accuracy of 99% in all networks, which is encouraging for future research.
650 $aCattle
650 $aComputer vision
650 $aNeural networks
650 $aGado de Corte
650 $aRede
650 $aSistema de Informação
700 1 $aWEBER, V. A. de M.
700 1 $aMENEZES, G. V.
700 1 $aOLIVEIRA JUNIOR, A. da S.
700 1 $aALVES, D. A.
700 1 $aOLIVEIRA, M. V. M. de
700 1 $aMATSUBARA, E. T.
700 1 $aPISTORI, H.
700 1 $aABREU, U. G. P. de
773 $tComputers and Electronics in Agriculture$gv. 175, 105548, p. 1-9, 2020.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Pantanal (CPAP) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 10 | |
| 3. |  | OLIVEIRA, C. E.; LIMA, L. R. de; OLIVEIRA, G. R. A. de; GONÇALVES, A. B.; PISTORI, H.; KOLLER, W. W. Computer vision for larval structures identification applied to forensic science. In: WORKSHOP DE VISÃO COMPUTACIONAL WVC'2016, 12., 2016. Campo Grande, MS. Proceedings... Campo Grande: UCDB/UFMS/UFGD, p. 266-270, nov. 2016.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Gado de Corte. |
|    |
| 4. | | TETILA, E. C.; MACHADO, B. B.; SILVA, G. G. da; PISTORI, H.; BELETE, N. A. de S.; TETILA, J. Q. da S.; BARBEDO, J. G. A. Um sistema de visão computacional para reconhecimento de doenças da soja usando VANTs: resultados preliminares. Revista Caribeña de Ciencias Sociales, v. 12, n. 3, p. 1275-1292, 2023.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 1 |
| Biblioteca(s): Embrapa Agricultura Digital. |
|  |
| 5. | | TETILA, E. C.; SILVEIRA, F. A. G. da; COSTA, A. B. da; AMORIM, W. P.; ASTOLFI, G.; PISTORI, H.; BARBEDO, J. G. A. YOLO performance analysis for real-time detection of soybean pests. Smart Agricultural Technology, v. 7, 100405, Mar. 2024.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 4 |
| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| 6. | | WEBER, F. de L.; WEBER, V. A. de M.; MENEZES, G. V.; OLIVEIRA JUNIOR, A. da S.; ALVES, D. A.; OLIVEIRA, M. V. M. de; MATSUBARA, E. T.; PISTORI, H.; ABREU, U. G. P. de. Recognition of Pantaneira cattle breed using computer vision and convolutional neural networks. Computers and Electronics in Agriculture, v. 175, 105548, p. 1-9, 2020.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Pantanal. |
| |
| 7. | | WEBER, F. de L.; WEBER, V. A. de M.; MENEZES, G.; OLIVEIRA JUNIOR, A. da S.; ALVES, D. A.; OLIVEIRA, M. V. M. de; PISTORI, H.; ABREU, U. G. P. de. Reconhecimento de bovino pantaneiro utilizando visão computacional através da rede neural convolucional: resultados preliminares. In: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 12., 2019, Indaiatuba. Anais... Indaiatuba: FATEC; Campinas: Embrapa Informática Agropecuária; Ponta Grossa: UEPG, 2019. p. 535-536. SBIAGRO 2019.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Pantanal. |
| |
| 8. | | WEBER, V. A. de M.; WEBER, F. de L.; GOMES, R. da C.; OLIVEIRA JUNIOR, A. da S.; MENEZES, G. V.; ABREU, U. G. P. de; BELETE, N. A. de S.; PISTORI, H. Prediction of Girolando cattle weight by means of body measurements extracted from images. Revista Brasileira de Zootecnia. v. 49, e20190110, 2020.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 2 |
| Biblioteca(s): Embrapa Gado de Corte; Embrapa Pantanal. |
| |
| 9. | | OSCO, L. P.; MARCATO JUNIOR, J.; RAMOS, A. P. M.; JORGE, L. A. de C.; FATHOLAHI, S. N.; SILVA, J. A.; MATSUBARA, E. T.; PISTORI, H.; GONÇALVES, W. N.; LI, J. A review on deep learning in UAV remote sensing. International Journal of Applied Earth Observations and Geoinformation, v. 102, 102456, 2021. 1 - 22| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Instrumentação. |
| |
| 10. | | WEBER, V. A. M.; WEBER, F. de L.; OLIVEIRA, A. da S.; ASTOLFI, G.; MENEZES, G. V.; PORTO, J. V. de A.; REZENDE, F. P. C.; MORAES, P. H. de; MATSUBARA, E. T.; MATEUS, R. G.; ARAÚJO, T. L. A. C. de; SILVA, L. O. C. da; QUEIROZ, E. Q, A. de; ABREU, U. G. P. de; GOMES, R. da C.; PISTORI, H. Cattle weight estimation using active contour models and regression trees Bagging . Computers and Electronics in Agriculture, v.179, 105804, p. 1-12, dec, 2020.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Pantanal. |
| |
| Registros recuperados : 10 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
