|
|
Registro Completo |
Biblioteca(s): |
Embrapa Unidades Centrais. |
Data corrente: |
17/09/2002 |
Data da última atualização: |
30/01/2024 |
Autoria: |
GARCIA, A.; SANTOS, A. M. dos. |
Título: |
Estudos preliminares sobre espaçamento e densidade de semeadura de pepino (Cucumis sativus) em pelotas, Rio Grande do Sul. |
Ano de publicação: |
1973 |
Fonte/Imprenta: |
Pesquisa Agropecuária Brasileira, Brasília, DF, v. 8, n. 8, p. 273-275, 1973. |
Série: |
(Agronomia). |
Idioma: |
Português |
Notas: |
Título em inglês: Preliminary studies on optimal plant populations and spacing for cucumber (Cucumis sativas L.) at Pelotas, Rio Grande do Sul. |
Conteúdo: |
0 trabalho em questão foi realizado na Seção de Horticultura do Instituto de Pesquisa Agropecuária do Sul (IPEAS), em 1970, com o objetivo de se estudar melhores espaçamentos e densidades de semeadura para a cultura do pepino. Entre linhas foi mantida a distância constante de 1,00 m, por ser a mais utilizada nos cultivos da Encosta da Serra do Sudeste do Rio Grande do Sul. Os espaçamentos testados na linha foram de 0,20, 0,40 e 0,60 m, combinados com densidades de 1, 2 e 3 plantas por cova. Avaliações efetuadas na fase de colheita do experimento evidenciaram que o "stand" preconizado para cada tratamento permaneceu inalterável até o final. Praticamente, todos os frutos colhidos apresentaram valor do ponto de vista industrial. Pelos resultados obtidos, observou-se que o espaçamento de 0,40 m entre covas, com 3 plantas/cova, ofereceu maior produção de frutos. |
Thesagro: |
Colheita; Cova; Horticultura; Pepino; Produção; Semeadura. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/193854/1/Estudo-preliminar-sobre-espacamento.pdf
|
Marc: |
LEADER 01705naa a2200229 a 4500 001 1108386 005 2024-01-30 008 1973 bl uuuu u00u1 u #d 100 1 $aGARCIA, A. 245 $aEstudos preliminares sobre espaçamento e densidade de semeadura de pepino (Cucumis sativus) em pelotas, Rio Grande do Sul.$h[electronic resource] 260 $c1973 490 $a(Agronomia). 500 $aTítulo em inglês: Preliminary studies on optimal plant populations and spacing for cucumber (Cucumis sativas L.) at Pelotas, Rio Grande do Sul. 520 $a0 trabalho em questão foi realizado na Seção de Horticultura do Instituto de Pesquisa Agropecuária do Sul (IPEAS), em 1970, com o objetivo de se estudar melhores espaçamentos e densidades de semeadura para a cultura do pepino. Entre linhas foi mantida a distância constante de 1,00 m, por ser a mais utilizada nos cultivos da Encosta da Serra do Sudeste do Rio Grande do Sul. Os espaçamentos testados na linha foram de 0,20, 0,40 e 0,60 m, combinados com densidades de 1, 2 e 3 plantas por cova. Avaliações efetuadas na fase de colheita do experimento evidenciaram que o "stand" preconizado para cada tratamento permaneceu inalterável até o final. Praticamente, todos os frutos colhidos apresentaram valor do ponto de vista industrial. Pelos resultados obtidos, observou-se que o espaçamento de 0,40 m entre covas, com 3 plantas/cova, ofereceu maior produção de frutos. 650 $aColheita 650 $aCova 650 $aHorticultura 650 $aPepino 650 $aProdução 650 $aSemeadura 700 1 $aSANTOS, A. M. dos 773 $tPesquisa Agropecuária Brasileira, Brasília, DF$gv. 8, n. 8, p. 273-275, 1973.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Unidades Centrais (AI-SEDE) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Unidades Centrais. |
Data corrente: |
27/12/2023 |
Data da última atualização: |
25/01/2024 |
Autoria: |
ARAÚJO JÚNIOR, C. A.; OLIVEIRA, L. S. DE; EÇA, G. A. |
Afiliação: |
CARLOS ALBERTO ARAÚJO JÚNIOR, UNIVERSIDADE FEDERAL DE MINAS GERAIS; LEANDRO SILVA DE OLIVEIRA, UNIVERSIDADE FEDERAL DE MINAS GERAIS; GABRIEL AUGUSTO EÇA, NORFLOR EMPREENDIMENTOS FLORESTAIS. |
Título: |
Counting of shoots of Eucalyptus sp. clones with convolutional neural network. |
Ano de publicação: |
2023 |
Fonte/Imprenta: |
Pesquisa Agropecuária Brasileira, v. 58, e03363, 2023. |
ISSN: |
1678-3921 |
DOI: |
https://doi.org/10.1590/S1678-3921.pab2023.v58.03363 |
Idioma: |
Inglês |
Notas: |
Título em português: Contagem de brotações de clones de Eucalyptus sp. com rede neural convolucional. |
Conteúdo: |
ABSTRACT - The objective of this work was to investigate the use of the You Only Look Once (YOLO) convolutional neural network model for the detection and efficient counting of Eucalyptus sp. shoots in stands through aerial photographs captured by unmanned aerial vehicles. For this, the significance of data organization was evaluated during the system-training process. Two datasets were used to train the convolutional neural network: one consisting of images with a single shoot and another with at least ten shoots per image. The results showed high precision and recall rates for both datasets. The convolutional neural network trained with images containing ten shoots per image showed a superior performance when applied to data not used during training. Therefore, the YOLO convolutional neural network can be used for the detection and counting of shoots of Eucalyptus sp. clones from aerial images captured by unmanned aerial vehicles in forest stands. The use of images containing ten shoots is recommended to compose the raining dataset for the object detector. RESUMO - O objetivo deste trabalho foi investigar o uso do modelo de rede neural convolucional You Only Look Once (YOLO) para detecção e contagem eficiente de brotos de Eucalyptus sp. em plantações, por meio de fotografias aéreas capturadas por veículos aéreos não tripulados. Para isso, avaliou-se a importância da organização dos dados durante o processo de treinamento do sistema. Foram utilizados dois conjunto de dados para treinar a rede neural convolucional: um consistindo em imagens com um único broto e o outro com pelo menos dez brotos por imagem. Os resultados mostraram altas taxas de precisão e recall para ambos os conjuntos de dados. A rede neural convolucional treinada com imagens contendo dez brotos por imagem apresentou desempenho superior quando aplicada a dados não utilizados durante o treinamento. Portanto, a rede neural convolucional YOLO pode ser usada para detecção e contagem de brotos de clones de Eucalyptus sp. a partir de imagens aéreas capturadas por veículos aéreos não tripulados em áreas florestais. Recomenda-se o uso de imagens contendo dez brotos para compor o conjunto de dados de treinamento para o detector de objetos. MenosABSTRACT - The objective of this work was to investigate the use of the You Only Look Once (YOLO) convolutional neural network model for the detection and efficient counting of Eucalyptus sp. shoots in stands through aerial photographs captured by unmanned aerial vehicles. For this, the significance of data organization was evaluated during the system-training process. Two datasets were used to train the convolutional neural network: one consisting of images with a single shoot and another with at least ten shoots per image. The results showed high precision and recall rates for both datasets. The convolutional neural network trained with images containing ten shoots per image showed a superior performance when applied to data not used during training. Therefore, the YOLO convolutional neural network can be used for the detection and counting of shoots of Eucalyptus sp. clones from aerial images captured by unmanned aerial vehicles in forest stands. The use of images containing ten shoots is recommended to compose the raining dataset for the object detector. RESUMO - O objetivo deste trabalho foi investigar o uso do modelo de rede neural convolucional You Only Look Once (YOLO) para detecção e contagem eficiente de brotos de Eucalyptus sp. em plantações, por meio de fotografias aéreas capturadas por veículos aéreos não tripulados. Para isso, avaliou-se a importância da organização dos dados durante o processo de treinamento do sistema. Foram utilizados dois conjunto de dados ... Mostrar Tudo |
Thesagro: |
Clone; Eucalipto; Silvicultura. |
Thesaurus NAL: |
Artificial intelligence; Eucalyptus; Forest management; Silviculture. |
Categoria do assunto: |
K Ciência Florestal e Produtos de Origem Vegetal |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1160273/1/27530-132370-1-PB-1.pdf
|
Marc: |
LEADER 03139naa a2200265 a 4500 001 2160273 005 2024-01-25 008 2023 bl uuuu u00u1 u #d 022 $a1678-3921 024 7 $ahttps://doi.org/10.1590/S1678-3921.pab2023.v58.03363$2DOI 100 1 $aARAÚJO JÚNIOR, C. A. 245 $aCounting of shoots of Eucalyptus sp. clones with convolutional neural network.$h[electronic resource] 260 $c2023 500 $aTítulo em português: Contagem de brotações de clones de Eucalyptus sp. com rede neural convolucional. 520 $aABSTRACT - The objective of this work was to investigate the use of the You Only Look Once (YOLO) convolutional neural network model for the detection and efficient counting of Eucalyptus sp. shoots in stands through aerial photographs captured by unmanned aerial vehicles. For this, the significance of data organization was evaluated during the system-training process. Two datasets were used to train the convolutional neural network: one consisting of images with a single shoot and another with at least ten shoots per image. The results showed high precision and recall rates for both datasets. The convolutional neural network trained with images containing ten shoots per image showed a superior performance when applied to data not used during training. Therefore, the YOLO convolutional neural network can be used for the detection and counting of shoots of Eucalyptus sp. clones from aerial images captured by unmanned aerial vehicles in forest stands. The use of images containing ten shoots is recommended to compose the raining dataset for the object detector. RESUMO - O objetivo deste trabalho foi investigar o uso do modelo de rede neural convolucional You Only Look Once (YOLO) para detecção e contagem eficiente de brotos de Eucalyptus sp. em plantações, por meio de fotografias aéreas capturadas por veículos aéreos não tripulados. Para isso, avaliou-se a importância da organização dos dados durante o processo de treinamento do sistema. Foram utilizados dois conjunto de dados para treinar a rede neural convolucional: um consistindo em imagens com um único broto e o outro com pelo menos dez brotos por imagem. Os resultados mostraram altas taxas de precisão e recall para ambos os conjuntos de dados. A rede neural convolucional treinada com imagens contendo dez brotos por imagem apresentou desempenho superior quando aplicada a dados não utilizados durante o treinamento. Portanto, a rede neural convolucional YOLO pode ser usada para detecção e contagem de brotos de clones de Eucalyptus sp. a partir de imagens aéreas capturadas por veículos aéreos não tripulados em áreas florestais. Recomenda-se o uso de imagens contendo dez brotos para compor o conjunto de dados de treinamento para o detector de objetos. 650 $aArtificial intelligence 650 $aEucalyptus 650 $aForest management 650 $aSilviculture 650 $aClone 650 $aEucalipto 650 $aSilvicultura 700 1 $aOLIVEIRA, L. S. DE 700 1 $aEÇA, G. A. 773 $tPesquisa Agropecuária Brasileira$gv. 58, e03363, 2023.
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. |
|
|