| |
|
|
 | 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: |
Impact of dataset size and variety on the effectiveness of deep learning and transfer learning for plant disease classification. |
|
Ano de publicação: |
2018 |
|
Fonte/Imprenta: |
Computers and Electronics in Agriculture, v. 153, p. 46-53, Oct. 2018. |
|
DOI: |
https://doi.org/10.1016/j.compag.2018.08.013 |
|
Idioma: |
Inglês |
|
Conteúdo: |
The problem of automatic recognition of plant diseases has been historically based on conventional machine learning techniques such as Support Vector Machines, Multilayer Perceptron Neural Networks and Decision Trees. However, the prevailing approach has shifted to the application of deep learning concepts, with focus on Convolutional Neural Networks (CNNs). In general, this kind of technique requires large datasets containing a wide variety of conditions to work properly. This is an important limitation, given the many challenges involved in the construction of a suitable image database. In this context, this study investigates how the size and variety of the datasets impact the effectiveness of deep learning techniques applied to plant pathology. This investigation was based on an image database containing 12 plant species, each presenting very different characteristics in terms of number of samples, number of diseases and variety of conditions. Experimental results indicate that while the technical constraints linked to automatic plant disease classification have been largely overcome, the use of limited image datasets for training brings many undesirable consequences that still prevent the effective dissemination of this type of technology. |
|
Palavras-Chave: |
Deep neural nets; Disease classification; Image database; Image processing; Processamento de imagem; Redes neurais. |
|
Thesagro: |
Doença de Planta. |
|
Thesaurus Nal: |
Neural networks; Plant diseases and disorders. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
Marc: |
LEADER 02096naa a2200241 a 4500
001 2096832
005 2020-01-07
008 2018 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1016/j.compag.2018.08.013$2DOI
100 1 $aBARBEDO, J. G. A.
245 $aImpact of dataset size and variety on the effectiveness of deep learning and transfer learning for plant disease classification.$h[electronic resource]
260 $c2018
520 $aThe problem of automatic recognition of plant diseases has been historically based on conventional machine learning techniques such as Support Vector Machines, Multilayer Perceptron Neural Networks and Decision Trees. However, the prevailing approach has shifted to the application of deep learning concepts, with focus on Convolutional Neural Networks (CNNs). In general, this kind of technique requires large datasets containing a wide variety of conditions to work properly. This is an important limitation, given the many challenges involved in the construction of a suitable image database. In this context, this study investigates how the size and variety of the datasets impact the effectiveness of deep learning techniques applied to plant pathology. This investigation was based on an image database containing 12 plant species, each presenting very different characteristics in terms of number of samples, number of diseases and variety of conditions. Experimental results indicate that while the technical constraints linked to automatic plant disease classification have been largely overcome, the use of limited image datasets for training brings many undesirable consequences that still prevent the effective dissemination of this type of technology.
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 $aProcessamento de imagem
653 $aRedes neurais
773 $tComputers and Electronics in Agriculture$gv. 153, p. 46-53, Oct. 2018.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Gado de Leite. |
|
Data corrente: |
18/03/2016 |
|
Data da última atualização: |
18/11/2022 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
CARMO, A. S. do; OLIVEIRA JÚNIOR, G. A. de; CHUD, T. de O. S.; PANETTO, J. C. do C.; VERNEQUE, R. da S.; MACHADO, M. A.; COLE, J. B.; SILVA, M. V. G. B. |
|
Afiliação: |
ADRIANA SANTANA DO CARMO; GERSON A. DE OLIVEIRA JÚNIOR, USP; TATIANA DE OLIVEIRA SELEGUIM CHUD, Unesp; JOAO CLAUDIO DO CARMO PANETTO, CNPGL; RUI DA SILVA VERNEQUE, CNPGL; MARCO ANTONIO MACHADO, CNPGL; JOHN BRUCE COLE, USDA / ARS, Betsville, Estados Unidos; MARCOS VINICIUS GUALBERTO B SILVA, CNPGL. |
|
Título: |
Identificação de CNVs associados com características reprodutivas e produtivas em animais Gir Leiteiro. |
|
Ano de publicação: |
2015 |
|
Fonte/Imprenta: |
In: CONGRESSO BRASILEIRO DE ZOOTECNIA, 25., 2015, Fortaleza. Dimensões tecnológicas e sociais da zootecnia: anais. Fortaleza: Sociedade Brasileira de Zootecnia, 2015. |
|
Páginas: |
3 p. |
|
Idioma: |
Português |
|
Notas: |
ZOOTEC |
|
Palavras-Chave: |
Gado de leite; Genômica; Variação no número de cópias. |
|
Thesagro: |
Produção; Reprodução. |
|
Categoria do assunto: |
L Ciência Animal e Produtos de Origem Animal |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/141394/1/Cnpgl-2015-AAnais-CongBrasZoot-Identificacao.pdf
|
|
Marc: |
LEADER 00932nam a2200265 a 4500
001 2041387
005 2022-11-18
008 2015 bl uuuu u00u1 u #d
100 1 $aCARMO, A. S. do
245 $aIdentificação de CNVs associados com características reprodutivas e produtivas em animais Gir Leiteiro.$h[electronic resource]
260 $aIn: CONGRESSO BRASILEIRO DE ZOOTECNIA, 25., 2015, Fortaleza. Dimensões tecnológicas e sociais da zootecnia: anais. Fortaleza: Sociedade Brasileira de Zootecnia$c2015
300 $a3 p.
500 $aZOOTEC
650 $aProdução
650 $aReprodução
653 $aGado de leite
653 $aGenômica
653 $aVariação no número de cópias
700 1 $aOLIVEIRA JÚNIOR, G. A. de
700 1 $aCHUD, T. de O. S.
700 1 $aPANETTO, J. C. do C.
700 1 $aVERNEQUE, R. da S.
700 1 $aMACHADO, M. A.
700 1 $aCOLE, J. B.
700 1 $aSILVA, M. V. G. B.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Gado de Leite (CNPGL) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
