| |
|
|
| Registros recuperados : 49 | |
| 41. |  | LOPES, M. T. do R.; REIS, A. S. dos; SOUZA, B. de A.; PEREIRA, F. de M.; OLIVEIRA, F. F. de; NEVES, L. S. M. L.; PEREIRA, L. A.; ROCHA, F. S. B.; VIEIRA NETO, J. M. Levantamento da fauna e plantas apícolas na Embrapa Meio-Norte, em Teresina, PI. Teresina: Embrapa Meio-Norte, 2010. 35 p. (Embrapa Meio-Norte. Boletim de pesquisa e desenvolvimento, 91).| Biblioteca(s): Embrapa Meio-Norte. |
|    |
| 42. | | SILVA, J. O.; LOPES, M. T. do R.; PEREIRA, F. de M.; REIS, A. S. dos; VIEIRA NETO, J. M.; CAMARGO, R. C. R. de; RIBEIRO, V. Q.; ALVES, J. F. Atividade de coleta de pólen e néctar de colônias de abelhas jandaíra Melipona subnitida (Ducke, 1910) instaladas em dois modelos de colméias. In: ENCONTRO NORDESTINO DE BIOLOGOS, 4.; ENCONTRO DE COORDENADORES DE CURSOS DE CIÊNCIAS BIOLÓGICAS DO NORDESTE, 3., 2007. Teresina. O biólogo e a qualidade de vida: anais. Teresina: CRBio 5, 2007. p. 58| Biblioteca(s): Embrapa Meio-Norte. |
| |
| 43. | | PEREIRA, F. de M.; LOPES, M. T. do R.; CAMARGO, R. C. R. de; VIEIRA NETO, J. M.; SOUZA, B. de A.; ROCHA, R. S.; SILVA NETO, E. da. Alternativas de alimentação para abelhas Apis mellifera. In: XIMENES, L. J. F.; COSTA, L. S. de A.; NASCIMENTO, J. L. S. do (Org.). Manejo racional de abelhas africanizadas e de meliponídeos no nordeste do Brasil. Fortaleza: BNB, 2011. Cap. 7. p. 147-169 (Série BNB. Ciência e Tecnologia, 6).| Biblioteca(s): Embrapa Meio-Norte. |
|  |
| 44. | | LOPES, M. T. do R.; BARBOSA, A. de L.; VIEIRA NETO, J. M.; PEREIRA, F. de M.; CAMARGO, R. C. R. de; RIBEIRO, V. Q.; SOUZA, B. de A. Alternativas de sombreamento para apiários. Pesquisa Agropecuária Tropical, Goiânia, v. 41, n. 3, p. 299-305, jul./set. 2011.| Biblioteca(s): Embrapa Meio-Norte. |
| |
| 45. | | BARBOSA, A. de L.; ROCHA, R. S.; VIEIRA NETO, J. M.; LOPES, M. T. do R.; PEREIRA, F. de M.; CAMARGO, R. C. R. de; ROCHA, A. M. P. L.; SILVA NETO, E. da; BARRETO, G. P. V. Avaliação de espécies arbóreas para o sombreamento natural de apiários: resultados preliminares. In: ENCONTRO DE INICIAÇÃO CIENTIFICA, 1.; PRÊMIO DE INICIAÇÃO CIENTIFICA DA FAPEPI, 1., 2005, [Teresina]. Anais...[Teresina]: FAPEPI, 2005. 1 CD-ROM.| Biblioteca(s): Embrapa Meio-Norte. |
| |
| 46. | | ROCHA, A. M. P. L.; ROCHA, R. S.; SILVA NETO, E.; RÊGO, J. G. S. do; VIEIRA NETO, J. M; PEREIRA, F. de M.; LOPES, M. T. do R.; FREITAS, B. M.; CAMARGO, R. C. R. de; RIBEIRO, V. Q. Avaliação da digestibilidade de alimentos alternativos para abelhas Apis mellífera. In: ENCONTRO DE INICIAÇÃO CIENTIFICA, 1.; PRÊMIO DE INICIAÇÃO CIENTIFICA DA FAPEPI, 1., 2005, [Teresina]. Anais...[Teresina]: FAPEPI, 2005. 1 CD-ROM.| Biblioteca(s): Embrapa Meio-Norte. |
| |
| 47. | | PEREIRA, F. de M.; FREITAS, B. M.; VIEIRA NETO, J. M.; LOPES, M. T. do R.; BARBOSA, A. de L.; CAMARGO, R. C. R. de; RIBEIRO, V. Q.; ROCHA, R. S. Efeito tóxico de alimentos alternativos para abelhas Apis mellifera. Ciência Rural, Santa Maria, RS, v. 37, n. 2, p. 533-538, mar./abr. 2007.| Biblioteca(s): Embrapa Meio-Norte. |
| |
| 48. | | PEREIRA, F. de M.; LOPES, M. T. do R.; CAMARGO, R. C. R. de; VIEIRA NETO, J. M.; MACHADO, J. G. de S. R.; BARBOSA, A. de L.; SOUZA, B. de A. Criação de abelhas (Apicultura). 2. ed. rev. e atual. Brasília, DF: Embrapa, 2016 130 p. il. (ABC da Agricultura Familiar, 41).| Biblioteca(s): Embrapa Agrobiologia. |
| |
| 49. | | PEREIRA, F. de M.; LOPES, M. T. do R.; CAMARGO, R. C. R. de; VIEIRA NETO, J. M.; MACHADO, J. G. de S. R.; BARBOSA, A. de L.; SOUZA, B. de A. Criação de abelhas (Apicultura). 2. ed. rev. e atual. Brasília, DF: Embrapa, 2016. 130 p. il. (ABC da Agricultura Familiar, 41).| Biblioteca(s): Embrapa Agroindústria de Alimentos; Embrapa Amapá; Embrapa Amazônia Oriental; Embrapa Arroz e Feijão; Embrapa Clima Temperado; Embrapa Cocais; Embrapa Meio Norte / UEP-Parnaíba; Embrapa Meio-Norte; Embrapa Pecuária Sul; Embrapa Rondônia; Embrapa Roraima; Embrapa Semiárido; Embrapa Soja; Embrapa Suínos e Aves; Embrapa Unidades Centrais; Embrapa Uva e Vinho. MenosEmbrapa Agroindústria de Alimentos; Embrapa Amapá; Embrapa Amazônia Oriental; Embrapa Arroz e Feijão; Embrapa Clima Temperado; Embrapa Cocais; Embrapa Meio Norte / UEP-Parnaíba; Embrapa Meio-Norte; Embrapa Pecuária Sul; Embrapa Rondônia... Mostrar Todas |
| |
| Registros recuperados : 49 | |
|
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Agroindústria Tropical. Para informações adicionais entre em contato com cnpat.biblioteca@embrapa.br. |
Registro Completo
|
Biblioteca(s): |
Embrapa Agroindústria Tropical. |
|
Data corrente: |
17/01/2020 |
|
Data da última atualização: |
23/01/2024 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 1 |
|
Autoria: |
CALIXTO, R. R.; NETO, L. G. P.; CAVALCANTE, T. DA S.; ARAGÃO, M. F.; SILVA, E. de O. |
|
Afiliação: |
RENÊ RIPARDO CALIXTO, Instituto Federal de Educação, Ciência e Tecnologia do Ceará, Campus Sobral, CE, Brazil; LUIS GONZAGA PINHEIRO NETO, Instituto Federal de Educação, Ciência e Tecnologia do Ceará, Campus Sobral, CE, Brazil; TARIQUE DA SILVEIRA CAVALCANTE, Instituto Federal de Educação, Ciência e Tecnologia do Ceará, Campus Sobral, CE, Brazil; MÁRCIO FACUNDO ARAGÃO, Instituto Federal de Educação, Ciência e Tecnologia do Ceará, Campus Sobral, CE, Brazil; EBENEZER DE OLIVEIRA SILVA, CNPAT. |
|
Título: |
A computer vision model development for size and weight estimation of yellow melon in the Brazilian Northeast. |
|
Ano de publicação: |
2019 |
|
Fonte/Imprenta: |
Scientia Horticulturae, New York, v. 256, artigo 108521, 8 p., 15 Oct. 2019. |
|
DOI: |
https://doi.org/10.1016/j.scienta.2019.05.048 |
|
Idioma: |
Inglês |
|
Conteúdo: |
This work aimed to predict mass (weight) and shape ratio (format) of yellow melon through computer vision techniques (VC). To do this, a digital camera was used to take pictures of all melons (n=135). The images processing consisted in filtering colors in the RGB space, thresholding by Otsu's method and, finally, detection of melon's contours. The used processing techniques were sufficient to separate the melon from the image background, allowing calculating the area of the melon (Amelon), in both square pixel (pixel2) or square centimeters (cm2), which showed very strong Pearson’s correlation (0.993**). By using area-based linear regressions, it was possible to predict the weight of the melon in kilograms, from Amelon in pixel2 (Pearson’s correlation = 0.993**) or cm2 (0.989**). The shape ratio (SR) has estimated based on melon’s diameters (L - longitudinal and T - transversal), which were obtained using pachymeter (real) or computer vision (CV). Based on real data set (pachymeter), melons were classified by SR into four groups, considered as reference. The based-CV algorithm was able to classify the same melons in the same groups with hit percentage of 96%. The correlation between the product of the multiplication of both diameters (Lcv*Tcv) and the melon area (Amelon, pixel2) was very strong (0.9987**), and the coefficient of calibration of 93 pixels per centimeter presented a good fit. Based on these two results, the weight, in kilograms, and both diameters, in centimeters, were predicted from the measurements of L and T, in pixel, obtained by computer vision. MenosThis work aimed to predict mass (weight) and shape ratio (format) of yellow melon through computer vision techniques (VC). To do this, a digital camera was used to take pictures of all melons (n=135). The images processing consisted in filtering colors in the RGB space, thresholding by Otsu's method and, finally, detection of melon's contours. The used processing techniques were sufficient to separate the melon from the image background, allowing calculating the area of the melon (Amelon), in both square pixel (pixel2) or square centimeters (cm2), which showed very strong Pearson’s correlation (0.993**). By using area-based linear regressions, it was possible to predict the weight of the melon in kilograms, from Amelon in pixel2 (Pearson’s correlation = 0.993**) or cm2 (0.989**). The shape ratio (SR) has estimated based on melon’s diameters (L - longitudinal and T - transversal), which were obtained using pachymeter (real) or computer vision (CV). Based on real data set (pachymeter), melons were classified by SR into four groups, considered as reference. The based-CV algorithm was able to classify the same melons in the same groups with hit percentage of 96%. The correlation between the product of the multiplication of both diameters (Lcv*Tcv) and the melon area (Amelon, pixel2) was very strong (0.9987**), and the coefficient of calibration of 93 pixels per centimeter presented a good fit. Based on these two results, the weight, in kilograms, and both diameters, in centimete... Mostrar Tudo |
|
Palavras-Chave: |
Cucumis melo L; Digital image processing; Yellow melon. |
|
Thesagro: |
Cucumis Melo; Exportação; Melão. |
|
Thesaurus NAL: |
Computer vision. |
|
Categoria do assunto: |
Q Alimentos e Nutrição Humana |
|
Marc: |
LEADER 02442naa a2200265 a 4500
001 2118935
005 2024-01-23
008 2019 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1016/j.scienta.2019.05.048$2DOI
100 1 $aCALIXTO, R. R.
245 $aA computer vision model development for size and weight estimation of yellow melon in the Brazilian Northeast.$h[electronic resource]
260 $c2019
520 $aThis work aimed to predict mass (weight) and shape ratio (format) of yellow melon through computer vision techniques (VC). To do this, a digital camera was used to take pictures of all melons (n=135). The images processing consisted in filtering colors in the RGB space, thresholding by Otsu's method and, finally, detection of melon's contours. The used processing techniques were sufficient to separate the melon from the image background, allowing calculating the area of the melon (Amelon), in both square pixel (pixel2) or square centimeters (cm2), which showed very strong Pearson’s correlation (0.993**). By using area-based linear regressions, it was possible to predict the weight of the melon in kilograms, from Amelon in pixel2 (Pearson’s correlation = 0.993**) or cm2 (0.989**). The shape ratio (SR) has estimated based on melon’s diameters (L - longitudinal and T - transversal), which were obtained using pachymeter (real) or computer vision (CV). Based on real data set (pachymeter), melons were classified by SR into four groups, considered as reference. The based-CV algorithm was able to classify the same melons in the same groups with hit percentage of 96%. The correlation between the product of the multiplication of both diameters (Lcv*Tcv) and the melon area (Amelon, pixel2) was very strong (0.9987**), and the coefficient of calibration of 93 pixels per centimeter presented a good fit. Based on these two results, the weight, in kilograms, and both diameters, in centimeters, were predicted from the measurements of L and T, in pixel, obtained by computer vision.
650 $aComputer vision
650 $aCucumis Melo
650 $aExportação
650 $aMelão
653 $aCucumis melo L
653 $aDigital image processing
653 $aYellow melon
700 1 $aNETO, L. G. P.
700 1 $aCAVALCANTE, T. DA S.
700 1 $aARAGÃO, M. F.
700 1 $aSILVA, E. de O.
773 $tScientia Horticulturae, New York$gv. 256, artigo 108521, 8 p., 15 Oct. 2019.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agroindústria Tropical (CNPAT) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
