| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Gado de Corte. Para informações adicionais entre em contato com biblioteca@embrapa.br. |
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Gado de Corte. |
|
Data corrente: |
17/10/2023 |
|
Data da última atualização: |
17/10/2023 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
RODRIGUES, L. de S.; CAIXETA FILHO, E.; SAKIYAMA, K.; SANTOS, M. F.; JANK, L.; CARROMEU, C.; SILVEIRA, E.; MATSUBARA, E. T.; MARCATO JUNIOR, J.; GONCALVES, W. N. |
|
Afiliação: |
LUCAS DE SOUZA RODRIGUES, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL; EDMAR CAIXETA FILHO, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL; KENZO SAKIYAMA, UNIVERSIDADE DE SÃO PAULO; MATEUS FIGUEIREDO SANTOS, CNPGC; LIANA JANK, CNPGC; CAMILO CARROMEU, GTI; ELOISE SILVEIRA, CNPGC; EDSON TAKASHI MATSUBARA, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL; JOSÉ MARCATO JUNIOR, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL; WESLEY NUNES GONCALVES, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL. |
|
Título: |
Deep4Fusion: a Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits. |
|
Ano de publicação: |
2023 |
|
Fonte/Imprenta: |
Computers and Electronics in Agriculture, v. 211, 2023. |
|
Páginas: |
14 p. |
|
DOI: |
https://doi.org/10.1016/j.compag.2023.107957 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Deep learning methods have become one of the fundamental blocks of high-throughput phenotyping using RGB imagery. In this study, we go beyond applying deep learning algorithms; we improve deep learning models using a multi-view fusion approach. The proposal dynamically merges information from two deep-learning models. We evaluate this approach to improve the estimation of total dry matter yield, leaf dry matter yield and total green matter yield of plots of Guineagrass, an important tropical forage species. The proposed approach, named Deep4Fusion fusion network, can be set to use two different deep learning models. The experimental results indicated that our approach improved the performance between 20% to 33% when compared with standard models reported in previous works, with a significant improvement (p-value < 0.05) for leaf dry matter and total dry matter yield. We believe that the flexibility of multi-view fusion in merging the predictions of several CNNs models through shared layers across the network has the potential to improve the results of many other single-view deep learning approaches. |
|
Thesaurus Nal: |
Forage dryers; Forage grasses; Forage yield; Phenotype. |
|
Categoria do assunto: |
-- |
|
Marc: |
null
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Gado de Corte (CNPGC) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 6 | |
| 3. |  | HOFFMANN-CAMPO, C. B.; MAZZARIN, R. M.; LUSTOSA, P. R. Mecanismos de resistência de genótipos de soja: teste de não-preferência para Anticarsia gemmatalis Hübner,1818 (Lep.: Noctuidae). Pesquisa Agropecuária Brasileira, Brasília, DF, v. 29, n. 4, p. 513-520, abr. 1994. Título em inglês: Resistance mechanisms of soybean genotypes: non-preference test of Anticarsia gemmatalis Hubner, 1818 (Lep.: Noctuidae).| Tipo: Artigo em Periódico Indexado | Circulação/Nível: Nacional - B |
| Biblioteca(s): Embrapa Soja; Embrapa Unidades Centrais. |
|    |
| 6. | | LUSTOSA, P. R.; ZANUNCIO, J. C.; LEITE, G. L. D.; PICANCO, M. Qualidade da semente e senescência de genótipos de soja sob dois níveis de infestação de percevejos (Pentatomidae). Pesquisa Agropecuária Brasileira, Brasília, DF, v. 34, n. 8, p. 1347-51, ago. 1999 Título em inglês: Quality of seed senescence of soybean genotypes under two levels of bugs infestation (Pentatomidae).| Biblioteca(s): Embrapa Unidades Centrais. |
| |
| Registros recuperados : 6 | |
|
| Expressão de busca inválida. Verifique!!! |
|
|
