|
|
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 : 774 | |
184. | | BASTOS, M. R.; RAMOS, A. F.; DRIESSEN, K.; MARTINS, A. C.; RUMPF, R.; SARTORI, R. Efeito do "flushing" nutricional sobre a resposta superovulatória em vacas mestiças. Acta Scientiae Veterinariae, Porto Alegre, v. 35, supl. 3, p. S1242, 2007. Edição dos resumos do XXI Annual Meeting of the Brazilian Embryo Technology Society (SBTE), Salvador, BA, ago. 2007. Disponível também em: ENCONTRO DO TALENTO ESTUDANTIL DA EMBRAPA RECURSOS GENÉTICOS E BIOTECNOLOGIA, 12., 2007, Brasília,...Tipo: Resumo em Anais de Congresso |
Biblioteca(s): Embrapa Recursos Genéticos e Biotecnologia. |
| |
190. | | RAMOS, A. F.; FINO, T. C. M.; NASCIMENTO, N. V. do; MARIANTE, A. da S. Efeito da alta e baixa concentração de gema de ovo no congelamento de sêmen caprino sem remoção do plasma seminal. SIMPÓSIO BRASILEIRO DE RECURSOS GENÉTICOS, 2., 2008, Brasília, DF. Anais... Brasília, DF: Embrapa Recursos Genéticos e Biotecnologia: Fundação de Apoio à Pesquisa Científica e Tecnológica - FUNCREDI, 2008. p.526.Tipo: Resumo em Anais de Congresso |
Biblioteca(s): Embrapa Recursos Genéticos e Biotecnologia. |
| |
192. | | FERREIRA, L. F. D.; PIROZI, M. R.; RAMOS, A. M.; PEREIRA, J. A. M. Modelagem matemática da secagem em camada delgada de bagaço de uva fermentado. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 47, n. 6, p. 855-862, jun. 2012. Título em inglês: Mathematical modeling of thin?layer drying of fermented grape pomace.Biblioteca(s): Embrapa Unidades Centrais. |
| |
196. | | BARBOSA, G. S.; RAMOS, A. de R.; MARCELLINO, L. H.; GANDER, E. S. Nim (Azadirachta indica) como candidato para controle biológico de fungos patogênicos ao cacau (Theobroma cacao). Fitopatologia Brasileira, Brasília, DF, v. 29, supl., p. S159, ago. 2004. Edição dos Resumos do XXXVII Congresso Brasileiro de Fitopatologia, Gramado, RS, ago. 2004.Tipo: Resumo em Anais de Congresso |
Biblioteca(s): Embrapa Recursos Genéticos e Biotecnologia. |
| |
197. | | COSTA, C. J.; SILVA, M. V. A.; RAMOS, A. K. B.; CARVALHO, M. A. Métodos de pré-limpeza e qualidade fisiológica de sementes de amendoim forrageiro Arachis pintoi. In: SEMINÁRIO PANAMERICANO DE SEMILLAS, 22., 2010, Asunción, Paraguay. Tecnología para incrementar el desarrollo: resumen de trabajos presentados. Brasília, DF: Felas, 2010. p. 206. p. 206Tipo: Resumo em Anais de Congresso |
Biblioteca(s): Embrapa Cerrados. |
| |
199. | | RIBEIRO, N. de C.; RAMOS, A. S.; NASCIMENTO, A. S. do; FANCELLI, M. Não-preferência e viviposição de Toxoptera citricida (Kirkaldy) em folhas de aceroleira tratadas com caulim. In: SIMPÓSIO DE CONTROLE BIOLÓGICO, 10., 2007, Brasília, DF.Brasília, DF: CENARGEN, 2007.Tipo: Resumo em Anais de Congresso | Circulação/Nível: -- - -- |
Biblioteca(s): Embrapa Mandioca e Fruticultura. |
| |
200. | | FINO, T. C. M.; RAMOS, A. F.; MELO, L. S. S.; MELO, C. B. Monitoramento de infecção por lentivírus de pequenos ruminantes em caprinos e ovinos do rebanho de conservação da Embrapa Cenargen. In: ENCONTRO DO TALENTO ESTUDANTIL DA EMBRAPA RECURSOS GENÉTICOS E BIOTECNOLOGIA, 14., 2009, Brasília, DF. Anais: resumos dos trabalhos. Brasília, DF: Embrapa Recursos Genéticos e Biotecnologia, 2009. Resumo 121. p. 170Tipo: Resumo em Anais de Congresso |
Biblioteca(s): Embrapa Recursos Genéticos e Biotecnologia. |
| |
Registros recuperados : 774 | |
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|