| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Agricultura Digital. Para informações adicionais entre em contato com cnptia.biblioteca@embrapa.br. |
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
03/10/2018 |
|
Data da última atualização: |
07/01/2020 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
BARBEDO, J. G. A. |
|
Afiliação: |
JAYME GARCIA ARNAL BARBEDO, CNPTIA. |
|
Título: |
Factors influencing the use of deep learning for plant disease recognition. |
|
Ano de publicação: |
2018 |
|
Fonte/Imprenta: |
Biosystems Engineering, v. 172, p. 84-91, Aug. 2018. |
|
DOI: |
https://doi.org/10.1016/j.biosystemseng.2018.05.013 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Deep learning is quickly becoming one of the most important tools for image classification. This technology is now beginning to be applied to the tasks of plant disease classification and recognition. The positive results that are being obtained using this approach hide some issues that are seldom taken into account in the respective experiments. This article presents an investigation into the main factors that affect the design and effectiveness of deep neural nets applied to plant pathology. An in-depth analysis of the subject, in which advantages and shortcomings are highlighted, should lead to more realistic conclusions on the subject. The arguments used throughout the text are built upon both studies found in the literature and experiments carried out using an image database carefully built to reflect and reproduce many of the conditions expected to be found in practice. This database, which contains almost 50,000 images, is being made freely available for academic purposes. |
|
Palavras-Chave: |
Deep neural nets; Disease classification; Image database; Image processing; Inteligência artificial; Processamento de imagem; Redes neurais; Transfer learning. |
|
Thesagro: |
Doença de Planta. |
|
Thesaurus Nal: |
Artificial intelligence; Image analysis; Neural networks; Plant diseases and disorders. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
Marc: |
LEADER 01908naa a2200289 a 4500
001 2096829
005 2020-01-07
008 2018 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1016/j.biosystemseng.2018.05.013$2DOI
100 1 $aBARBEDO, J. G. A.
245 $aFactors influencing the use of deep learning for plant disease recognition.$h[electronic resource]
260 $c2018
520 $aDeep learning is quickly becoming one of the most important tools for image classification. This technology is now beginning to be applied to the tasks of plant disease classification and recognition. The positive results that are being obtained using this approach hide some issues that are seldom taken into account in the respective experiments. This article presents an investigation into the main factors that affect the design and effectiveness of deep neural nets applied to plant pathology. An in-depth analysis of the subject, in which advantages and shortcomings are highlighted, should lead to more realistic conclusions on the subject. The arguments used throughout the text are built upon both studies found in the literature and experiments carried out using an image database carefully built to reflect and reproduce many of the conditions expected to be found in practice. This database, which contains almost 50,000 images, is being made freely available for academic purposes.
650 $aArtificial intelligence
650 $aImage analysis
650 $aNeural networks
650 $aPlant diseases and disorders
650 $aDoença de Planta
653 $aDeep neural nets
653 $aDisease classification
653 $aImage database
653 $aImage processing
653 $aInteligência artificial
653 $aProcessamento de imagem
653 $aRedes neurais
653 $aTransfer learning
773 $tBiosystems Engineering$gv. 172, p. 84-91, Aug. 2018.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 7 | |
| 2. |  | RAMOS, T. de J. N.; LAMEIRA, O. A.; SILVA, M. S. M. da; MÜLLER, R. C. S.; FAIAL, K. do C. F.; LIMA, M. de O. Avaliação da composição mineral de folhas e chás de embaúba (Cecropia palmata Willd. e Cecropia obtusa Trécul.) por espectrometria de emissão ótica em plasma indutivamente acoplado (ICP-OES). Revista Virtual de Química, v. 9, n. 6, p. 2414-2426, 2017.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 2 |
| Biblioteca(s): Embrapa Amazônia Oriental. |
|    |
| 4. | | CREÃO, L. G. C.; FELIZZOLA, J. F.; PACHECO, N. A.; FIGUEIREDO, R. de O.; LIMA, M. de O.; CARNEIRO, B.; CRUZ, F. Contaminações difusas em água freática e nos ecossistemas nas microbacias pareadas dos Igarapés Cumaru e São João. In: SEMINÁRIO DA REDE AGROHIDRO, 3.; WORKSHOP DO PROJETO OS IMPACTOS DA AGRICULTURA E DAS MUDANÇAS CLIMÁTICAS NOS RECURSOS HÍDRICOS, 1., 2015, Corumbá, MS. Água na agricultura: desafios frente às mudanças climáticas e de uso da terra: resumos. Corumbá: Embrapa Pantanal, 2015. p. 29. Editores técnicos: Balbina Maria Araújo Soriano, Carlos Roberto Padovani, Lineu Neiva Rodrigues, Marcia Divina de Oliveira, Suzana Maria Salis.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Amazônia Oriental; Embrapa Meio Ambiente. |
| |
| 7. | | FELIZZOLA, J. F.; CREÃO, L. G. C.; PACHECO, N. A.; FIGUEIREDO, R. de O.; CRUZ, F.; LIMA, M. de O.; CARNEIRO, B. Carbono orgânico dissolvido na precipitação, solução de solo, água freática, e água fluvial nas microbacias dos igarapés São João e Cumaru sob diferentes usos da terra. In: SEMINÁRIO DA REDE AGROHIDRO, 3.; WORKSHOP DO PROJETO OS IMPACTOS DA AGRICULTURA E DAS MUDANÇAS CLIMÁTICAS NOS RECURSOS HÍDRICOS, 1., 2015, Corumbá, MS. Água na agricultura: desafios frente às mudanças climáticas e de uso da terra: resumos. Brasília, DF: Embrapa, 2015. p. 27. Editores técnicos: Balbina Maria Araújo Soriano, Carlos Roberto Padovani, Lineu Neiva Rodrigues, Marcia Divina de Oliveira, Suzana Maria Salis.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Amazônia Oriental; Embrapa Meio Ambiente. |
| |
| Registros recuperados : 7 | |
|
| Expressão de busca inválida. Verifique!!! |
|
|
