|
|
Registro Completo |
Biblioteca(s): |
Embrapa Rondônia. |
Data corrente: |
14/09/2015 |
Data da última atualização: |
26/11/2020 |
Tipo da produção científica: |
Capítulo em Livro Técnico-Científico |
Autoria: |
MARCOLAN, A. L.; ESPINDULA, M. C.; MENDES, A. M.; SOUZA, K. W. de; SCHLINDWEIN, J. A. |
Afiliação: |
ALAERTO LUIZ MARCOLAN, CPAF-RO; MARCELO CURITIBA ESPINDULA, CPAF-RO; ANGELO MANSUR MENDES, CPAF-RO; Kleberson Worslley de Souza, Embrapa Cerrados; Jairo André Schlindwein, UNIR. |
Título: |
Manejo nutricional. |
Ano de publicação: |
2015 |
Fonte/Imprenta: |
In: MARCOLAN, A. L.; ESPINDULA, M. C. (Ed.). Café na Amazônia. Brasília, DF: Embrapa, 2015. p. 175-194. Capítulo 8. |
Páginas: |
Cap. 8, p. 175-194. |
Idioma: |
Português |
Conteúdo: |
Neste capítulo serão abordados os aspectos gerais do manejo nutricional de lavouras de Coffea canephora (cafeeiro canéfora), com ênfase em calagem e adubação de plantio, formação e produção, e na diagnose visual de deficiências nutricionais. |
Palavras-Chave: |
Adubação no plantio; Café conilon; Calagem no plantio. |
Categoria do assunto: |
F Plantas e Produtos de Origem Vegetal |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/218291/1/17432.pdf
|
Marc: |
LEADER 00908naa a2200217 a 4500 001 2023817 005 2020-11-26 008 2015 bl uuuu u00u1 u #d 100 1 $aMARCOLAN, A. L. 245 $aManejo nutricional.$h[electronic resource] 260 $c2015 300 $aCap. 8, p. 175-194. 520 $aNeste capítulo serão abordados os aspectos gerais do manejo nutricional de lavouras de Coffea canephora (cafeeiro canéfora), com ênfase em calagem e adubação de plantio, formação e produção, e na diagnose visual de deficiências nutricionais. 653 $aAdubação no plantio 653 $aCafé conilon 653 $aCalagem no plantio 700 1 $aESPINDULA, M. C. 700 1 $aMENDES, A. M. 700 1 $aSOUZA, K. W. de 700 1 $aSCHLINDWEIN, J. A. 773 $tIn: MARCOLAN, A. L.; ESPINDULA, M. C. (Ed.). Café na Amazônia. Brasília, DF: Embrapa, 2015. p. 175-194. Capítulo 8.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Rondônia (CPAF-RO) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Agricultura Digital. |
Data corrente: |
23/08/2019 |
Data da última atualização: |
23/10/2019 |
Tipo da produção científica: |
Artigo em Anais de Congresso |
Autoria: |
SOUZA, L. L. de; AVILA, S.; SANTOS, T. T. |
Afiliação: |
LEONARDO LIMA DE SOUZA, Bolsista CNPq (PIBIC); SANDRA AVILA, IC/Unicamp; THIAGO TEIXEIRA SANTOS, CNPTIA. |
Título: |
Detecção de frutos em viticultura utilizando redes neurais profundas. |
Ano de publicação: |
2019 |
Fonte/Imprenta: |
In: CONGRESSO INTERINSTITUCIONAL DE INICIAÇÃO CIENTÍFICA, 13., 2019, Campinas. Anais... [S.l: s.n], 2019. |
Páginas: |
p. 1-12. |
ISBN: |
978-85-7029-149-3 |
Idioma: |
Português |
Notas: |
CIIC 2019. Nº 19603. |
Conteúdo: |
RESUMO - Neste trabalho investigamos técnicas de detecção de objetos por redes neurais aplicadas à detecção de frutos em viticultura. Desenvolvemos também a base de dados Embrapa WGISD, composta por imagens coletadas em Abril de 2017 e Abril de 2018 na Vinícola De Guaspari. Anotada manualmente, a base de dados possui 5 cultivares diferentes de uva: Syrah, Chardonnay, Cabernet Franc, Cabernet Sauvignon e Sauvignon Blanc, totalizando 4419 amostras de cachos de uva. Foram treinadas duas redes neurais convolutivas de arquiteturas, YOLOv2 e YOLOv3, para detecção e localização dos cachos nas imagens. Resultados quantitativos demonstraram precisão de até 88%, revocação de até 74%, e F1-Score de até 80% para YOLOv2 e precisão de até 92%, revocação de até 65% e F1-Score de até 76% para YOLOv3. Testes qualitativos demonstram que a rede YOLOv2 generaliza melhor para o conjunto de dados utilizado, e a rede YOLOv3 fornece uma localização melhor ajustada. |
Palavras-Chave: |
Aprendizagem profunda; Deep Learning; Detecção de frutos; Detecção de uvas; Fruit detection; Redes neurais. |
Thesagro: |
Viticultura. |
Thesaurus NAL: |
Neural networks; Viticulture. |
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/201270/1/19603-Leonardo-Thiago-CIIC-2019-Oral.pdf
|
Marc: |
LEADER 01830nam a2200277 a 4500 001 2111590 005 2019-10-23 008 2019 bl uuuu u00u1 u #d 020 $a978-85-7029-149-3 100 1 $aSOUZA, L. L. de 245 $aDetecção de frutos em viticultura utilizando redes neurais profundas.$h[electronic resource] 260 $aIn: CONGRESSO INTERINSTITUCIONAL DE INICIAÇÃO CIENTÍFICA, 13., 2019, Campinas. Anais... [S.l: s.n]$c2019 300 $ap. 1-12. 500 $aCIIC 2019. Nº 19603. 520 $aRESUMO - Neste trabalho investigamos técnicas de detecção de objetos por redes neurais aplicadas à detecção de frutos em viticultura. Desenvolvemos também a base de dados Embrapa WGISD, composta por imagens coletadas em Abril de 2017 e Abril de 2018 na Vinícola De Guaspari. Anotada manualmente, a base de dados possui 5 cultivares diferentes de uva: Syrah, Chardonnay, Cabernet Franc, Cabernet Sauvignon e Sauvignon Blanc, totalizando 4419 amostras de cachos de uva. Foram treinadas duas redes neurais convolutivas de arquiteturas, YOLOv2 e YOLOv3, para detecção e localização dos cachos nas imagens. Resultados quantitativos demonstraram precisão de até 88%, revocação de até 74%, e F1-Score de até 80% para YOLOv2 e precisão de até 92%, revocação de até 65% e F1-Score de até 76% para YOLOv3. Testes qualitativos demonstram que a rede YOLOv2 generaliza melhor para o conjunto de dados utilizado, e a rede YOLOv3 fornece uma localização melhor ajustada. 650 $aNeural networks 650 $aViticulture 650 $aViticultura 653 $aAprendizagem profunda 653 $aDeep Learning 653 $aDetecção de frutos 653 $aDetecção de uvas 653 $aFruit detection 653 $aRedes neurais 700 1 $aAVILA, S. 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. |
|
|