| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Trigo. |
|
Data corrente: |
09/12/2021 |
|
Data da última atualização: |
10/12/2021 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
CESARO JÚNIOR, T. de; RIEDER, R.; DI DOMÊNICO, J. R.; LAU, D. |
|
Afiliação: |
TELMO DE CESARO JÚNIOR, Sul-rio-grandense Federal Institute of Education, Science and Technology (IFSul) – Passo Fundo – RS – Brazil; RAFAEL RIEDER, University of Passo Fundo (UPF) – Passo Fundo – RS – Brazil; JÉSSICA REGINA DI DOMÊNICO, Sul-rio-grandense Federal Institute of Education, Science and Technology (IFSul) – Passo Fundo – RS – Brazil; DOUGLAS LAU, CNPT. |
|
Título: |
InsectCV: a system for insect detection in the lab from trap images. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
Ecological Informatics, e101516, Dec. 2021. |
|
Idioma: |
Inglês |
|
Conteúdo: |
Advances in artificial intelligence, computer vision, and high-performance computing have enabled the creation of efficient solutions to monitor pests and identify plant diseases. In this context, we present InsectCV, a system for automatic insect detection in the lab from scanned trap images. This study considered the use of Moericke-type traps to capture insects in outdoor environments. Each sample can contain hundreds of insects of interest, such as aphids, parasitoids, thrips, and flies. The presence of debris, superimposed objects, and insects in varied poses is also common. To develop this solution, we used a set of 209 grayscale images containing 17,908 labeled insects. We applied the Mask R-CNN method to generate the model and created three web services for the image inference. The model training contemplated transfer learning and data augmentation techniques. This approach defined two new parameters to adjust the ratio of false positive by class, and change the lengths of the anchor side of the Region Proposal Network, improving the accuracy in the detection of small objects. The model validation used a total of 580 images obtained from field exposed traps located at Coxilha, and Passo Fundo, north of Rio Grande do Sul State, during wheat crop season in 2019 and 2020. Compared to manual counting, the coefficients of determination (R2 = 0.81 for aphids and R2 = 0.78 for parasitoids) show a good-fitting model to identify the fluctuation of population levels for these insects, presenting tiny deviations of the growth curve in the initial phases, and in the maintenance of the curve shape. In samples with hundreds of insects and debris that generate more connections or overlaps, model performance was affected due to the increase in false negatives. Comparative tests between InsectCV and manual counting performed by a specialist suggest that the system is sufficiently accurate to guide warning systems for integrated pest management of aphids. We also discussed the implications of adopting this tool and the gaps that require further development. Keywords: Convolutional neural network; Mask r-cnn; Object detection; Pest detection; Aphids; Warning systems MenosAdvances in artificial intelligence, computer vision, and high-performance computing have enabled the creation of efficient solutions to monitor pests and identify plant diseases. In this context, we present InsectCV, a system for automatic insect detection in the lab from scanned trap images. This study considered the use of Moericke-type traps to capture insects in outdoor environments. Each sample can contain hundreds of insects of interest, such as aphids, parasitoids, thrips, and flies. The presence of debris, superimposed objects, and insects in varied poses is also common. To develop this solution, we used a set of 209 grayscale images containing 17,908 labeled insects. We applied the Mask R-CNN method to generate the model and created three web services for the image inference. The model training contemplated transfer learning and data augmentation techniques. This approach defined two new parameters to adjust the ratio of false positive by class, and change the lengths of the anchor side of the Region Proposal Network, improving the accuracy in the detection of small objects. The model validation used a total of 580 images obtained from field exposed traps located at Coxilha, and Passo Fundo, north of Rio Grande do Sul State, during wheat crop season in 2019 and 2020. Compared to manual counting, the coefficients of determination (R2 = 0.81 for aphids and R2 = 0.78 for parasitoids) show a good-fitting model to identify the fluctuation of popu... Mostrar Tudo |
|
Palavras-Chave: |
Aphids; Convolutional neural network; Mask r-cnn; Object detection; Pest detection; Warning systems. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/228960/1/1-s2.0-S1574954121003071-main.pdf
|
|
Marc: |
LEADER 02861naa a2200229 a 4500
001 2137367
005 2021-12-10
008 2021 bl uuuu u00u1 u #d
100 1 $aCESARO JÚNIOR, T. de
245 $aInsectCV$ba system for insect detection in the lab from trap images.$h[electronic resource]
260 $c2021
520 $aAdvances in artificial intelligence, computer vision, and high-performance computing have enabled the creation of efficient solutions to monitor pests and identify plant diseases. In this context, we present InsectCV, a system for automatic insect detection in the lab from scanned trap images. This study considered the use of Moericke-type traps to capture insects in outdoor environments. Each sample can contain hundreds of insects of interest, such as aphids, parasitoids, thrips, and flies. The presence of debris, superimposed objects, and insects in varied poses is also common. To develop this solution, we used a set of 209 grayscale images containing 17,908 labeled insects. We applied the Mask R-CNN method to generate the model and created three web services for the image inference. The model training contemplated transfer learning and data augmentation techniques. This approach defined two new parameters to adjust the ratio of false positive by class, and change the lengths of the anchor side of the Region Proposal Network, improving the accuracy in the detection of small objects. The model validation used a total of 580 images obtained from field exposed traps located at Coxilha, and Passo Fundo, north of Rio Grande do Sul State, during wheat crop season in 2019 and 2020. Compared to manual counting, the coefficients of determination (R2 = 0.81 for aphids and R2 = 0.78 for parasitoids) show a good-fitting model to identify the fluctuation of population levels for these insects, presenting tiny deviations of the growth curve in the initial phases, and in the maintenance of the curve shape. In samples with hundreds of insects and debris that generate more connections or overlaps, model performance was affected due to the increase in false negatives. Comparative tests between InsectCV and manual counting performed by a specialist suggest that the system is sufficiently accurate to guide warning systems for integrated pest management of aphids. We also discussed the implications of adopting this tool and the gaps that require further development. Keywords: Convolutional neural network; Mask r-cnn; Object detection; Pest detection; Aphids; Warning systems
653 $aAphids
653 $aConvolutional neural network
653 $aMask r-cnn
653 $aObject detection
653 $aPest detection
653 $aWarning systems
700 1 $aRIEDER, R.
700 1 $aDI DOMÊNICO, J. R.
700 1 $aLAU, D.
773 $tEcological Informatics, e101516, Dec. 2021.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Trigo (CNPT) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Unidades Centrais. |
|
Data corrente: |
23/10/2018 |
|
Data da última atualização: |
23/10/2018 |
|
Autoria: |
KIM, F. J. P.; SILVA, A. E. M.; SILVA, R. V. S.; KIM, P. C. P.; ACOSTA, A. C.; SILVA, S. M. B. C.; SENA, M. J.; MOTA, R. A. |
|
Afiliação: |
Fernando J. P. Kim, Departamento de Desenvolvimento Educacional, Curso de Tecnologia em Agroecologia/Instituto Federal de Educação/Ciência e Tecnologia de Pernambuco - IFPE; Allyne E. M Silva, Departamento de Pesca e Aquicultura/Universidade Federal Rural de Pernambuco - UFRPE; Rafael V. S Silva, Departamento de Pesca e Aquicultura/Universidade Federal Rural de Pernambuco - UFRPE; Pomy C. P Kim, Departamento de Medicina Veterinária/Universidade Federal Rural de Pernabuco - UFRPE; Atzel Candido Acosta, Departamento de Medicina Veterinária/Universidade Federal Rural de Pernabuco - UFRPE; Suzianny M. B. C. Silva, Departamento de Pesca e Aquicultura/Universidade Federal Rural de Pernambuco - UFRPE; Maria J. Sena, Departamento de Medicina Veterinária/Universidade Federal Rural de Pernabuco - UFRPE; Rinaldo A. Mota, Departamento de Medicina Veterinária/Universidade Federal Rural de Pernabuco - UFRPE. |
|
Título: |
Detecção de Aeromonas spp. e do gene de virulência aerolisina em tilápias do Nilo (Oreochromis niloticus) com a técnica de mPCR. |
|
Ano de publicação: |
2018 |
|
Fonte/Imprenta: |
Pesquisa Veterinária Brasileira, Rio de Janeiro, v. 38, n. 9, p. 1731-1735, setembro 2018 |
|
Idioma: |
Português |
|
Notas: |
Título em inglês: Detection of Aeromonas spp. and virulence gene aerolysin in Nile tilapia (Oreochromis niloticus) using PCR technique. |
|
Conteúdo: |
As infecções causadas por bactérias do gênero Aeromonas estão entre as doenças mais comuns em peixes cultivados em todo o mundo, com ocorrência de aeromoniose em todos os países que possuem cultivo de tilápia do Nilo (Oreochromis niloticus). O presente trabalho descreve o desenvolvimento de uma nova multiplex PCR (mPCR) para diagnóstico de Aeromonas spp. e identificação do gene aerolisina (aerA). Para padronização da mPCR foram utilizadas cepas de referência de várias espécies do gênero Aeromonas e de outros gêneros. Também foram usadas cepas de campo de A. hydrophila oriundas de cultivos de peixes pacamãs (Lophiosilurus alexandri) e Aeromonas spp. de tilápias do Nilo. Os primers foram desenhados com base na região 16S rRNA e aerA. Para verificar a melhor temperatura de anelamento foram utilizados gradientes entre 59°C a 61°C com 40ng de DNA molde. Os produtos da amplificação da região 16S rRNA e do gene aerA apresentaram 786 e 550pb, respectivamente. A mPCR apresentou melhor temperatura de anelamento a 57,6°C com limite de detecção das concentrações de DNA em ambos genes (16S rRNA and aerA) de 10-10g/μL. A mPCR padronizada é rápida, sensível e específica no diagnóstico de Aeromonas spp. e identificação do gene aerolisina. Esta metodologia apresenta vantagens quando comparada aos métodos de diagnóstico convencionais, podendo ser utilizada em cultivos comerciais de tilápias do Nilo ou outros peixes. A identificação do gene aerolisina é uma importante ferramenta na determinação do potencial patogênico dos isolados de Aeromonas spp. estudados. MenosAs infecções causadas por bactérias do gênero Aeromonas estão entre as doenças mais comuns em peixes cultivados em todo o mundo, com ocorrência de aeromoniose em todos os países que possuem cultivo de tilápia do Nilo (Oreochromis niloticus). O presente trabalho descreve o desenvolvimento de uma nova multiplex PCR (mPCR) para diagnóstico de Aeromonas spp. e identificação do gene aerolisina (aerA). Para padronização da mPCR foram utilizadas cepas de referência de várias espécies do gênero Aeromonas e de outros gêneros. Também foram usadas cepas de campo de A. hydrophila oriundas de cultivos de peixes pacamãs (Lophiosilurus alexandri) e Aeromonas spp. de tilápias do Nilo. Os primers foram desenhados com base na região 16S rRNA e aerA. Para verificar a melhor temperatura de anelamento foram utilizados gradientes entre 59°C a 61°C com 40ng de DNA molde. Os produtos da amplificação da região 16S rRNA e do gene aerA apresentaram 786 e 550pb, respectivamente. A mPCR apresentou melhor temperatura de anelamento a 57,6°C com limite de detecção das concentrações de DNA em ambos genes (16S rRNA and aerA) de 10-10g/μL. A mPCR padronizada é rápida, sensível e específica no diagnóstico de Aeromonas spp. e identificação do gene aerolisina. Esta metodologia apresenta vantagens quando comparada aos métodos de diagnóstico convencionais, podendo ser utilizada em cultivos comerciais de tilápias do Nilo ou outros peixes. A identificação do gene aerolisina é uma importante ferramenta na determ... Mostrar Tudo |
|
Palavras-Chave: |
Aerolisina; Aerolysin; Bacterioses; Gene de virulência; MPCR; Nile tilapia; PCR technique; Técnica de PCR; Tilápias do Nilo; Virulence factor. |
|
Thesagro: |
Bacteriose; Gene; Oreochromis Niloticus. |
|
Thesaurus NAL: |
Aeromonas. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/184883/1/Deteccao-de-Aeromonas-spp.-e-do-gene-de-virulencia.pdf
|
|
Marc: |
LEADER 02867naa a2200385 a 4500
001 2097955
005 2018-10-23
008 2018 bl uuuu u00u1 u #d
100 1 $aKIM, F. J. P.
245 $aDetecção de Aeromonas spp. e do gene de virulência aerolisina em tilápias do Nilo (Oreochromis niloticus) com a técnica de mPCR.$h[electronic resource]
260 $c2018
500 $aTítulo em inglês: Detection of Aeromonas spp. and virulence gene aerolysin in Nile tilapia (Oreochromis niloticus) using PCR technique.
520 $aAs infecções causadas por bactérias do gênero Aeromonas estão entre as doenças mais comuns em peixes cultivados em todo o mundo, com ocorrência de aeromoniose em todos os países que possuem cultivo de tilápia do Nilo (Oreochromis niloticus). O presente trabalho descreve o desenvolvimento de uma nova multiplex PCR (mPCR) para diagnóstico de Aeromonas spp. e identificação do gene aerolisina (aerA). Para padronização da mPCR foram utilizadas cepas de referência de várias espécies do gênero Aeromonas e de outros gêneros. Também foram usadas cepas de campo de A. hydrophila oriundas de cultivos de peixes pacamãs (Lophiosilurus alexandri) e Aeromonas spp. de tilápias do Nilo. Os primers foram desenhados com base na região 16S rRNA e aerA. Para verificar a melhor temperatura de anelamento foram utilizados gradientes entre 59°C a 61°C com 40ng de DNA molde. Os produtos da amplificação da região 16S rRNA e do gene aerA apresentaram 786 e 550pb, respectivamente. A mPCR apresentou melhor temperatura de anelamento a 57,6°C com limite de detecção das concentrações de DNA em ambos genes (16S rRNA and aerA) de 10-10g/μL. A mPCR padronizada é rápida, sensível e específica no diagnóstico de Aeromonas spp. e identificação do gene aerolisina. Esta metodologia apresenta vantagens quando comparada aos métodos de diagnóstico convencionais, podendo ser utilizada em cultivos comerciais de tilápias do Nilo ou outros peixes. A identificação do gene aerolisina é uma importante ferramenta na determinação do potencial patogênico dos isolados de Aeromonas spp. estudados.
650 $aAeromonas
650 $aBacteriose
650 $aGene
650 $aOreochromis Niloticus
653 $aAerolisina
653 $aAerolysin
653 $aBacterioses
653 $aGene de virulência
653 $aMPCR
653 $aNile tilapia
653 $aPCR technique
653 $aTécnica de PCR
653 $aTilápias do Nilo
653 $aVirulence factor
700 1 $aSILVA, A. E. M.
700 1 $aSILVA, R. V. S.
700 1 $aKIM, P. C. P.
700 1 $aACOSTA, A. C.
700 1 $aSILVA, S. M. B. C.
700 1 $aSENA, M. J.
700 1 $aMOTA, R. A.
773 $tPesquisa Veterinária Brasileira, Rio de Janeiro$gv. 38, n. 9, p. 1731-1735, setembro 2018
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Unidades Centrais (AI-SEDE) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
