| |
|
|
| Registros recuperados : 120 | |
| 22. |  | FERREIRA, E. C.; MILORI, D. M. B. P.; FERREIRA, E. J.; MARTIN NETO, L. Determination of organic matter humidification by laser induced breakdown spectrometry and artificial neural network. In: MEETING OF THE INTERNATIONAL HUMIC SUBSTANCES SOCIETY, 15., 2010, Puerto de la Cruz, ES. Advances in natural organic matter and humic substances research 2008-2010: proceedings. [S. l.: s. n.], 2010. v. 2. p. 202-205. J. A. González-Pérez, F. J. González-Vila, G. Almendros, Eds.| Biblioteca(s): Embrapa Instrumentação. |
|    |
| 23. | | FERREIRA, E. C.; MILORI, D. M. B. P.; FERREIRA, E. J.; MARTIN NETO, L. Avaliação do índice de humificação da matéria orgânica do solo: potencial da espectroscopia de emissão ótica com plasma induzido por laser (LIBS). In: JORNADA CIENTÍFICA - EMBRAPA SÃO CARLOS, 3., 2011, São Carlos. Anais... São Carlos, SP: Embrapa Pecuária Sudeste: Embrapa Instrumentação, 2011. p. 52. ( Embrapa Pecuária Sudeste. Documentos, 104). Editado por: Luiz Francisco Zafalon; Patricia Tholon.| Biblioteca(s): Embrapa Instrumentação. |
| |
| 24. | | FERREIRA, E. C.; MILORI, D. M. B. P.; FERREIRA, E. J.; MARTIN-NETO, L. Comparação entre métodos univariado e multivariado para determinação de carbono no solo por espectroscopia de emissão óptica com plasma induzido por laser. In: JORNADA CIENTÍFICA - EMBRAPA SÃO CARLOS, 2., 2010, São Carlos, SP. Anais... São Carlos: Embrapa Instrumentação Agropecuária: Embrapa Pecuária Sudeste, 2010. p. 56. (Embrapa Instrumentação Agropecuária. Documentos, 50).| Biblioteca(s): Embrapa Instrumentação. |
| |
| 30. | | FIGUEIREDO, S. M. de M.; VENTICIQUE, E. M.; FIGUEIREDO, E. O.; FERREIRA, E. J. L. Predição da distribuição de espécies florestais usando variáveis topográficas e de índice de vegetação no leste do Acre, Brasil. Acta Amazonica, Manaus, v. 45, n. 2, p. 167-174, 2015.| Biblioteca(s): Embrapa Acre. |
| |
| 34. | | CARDINALI, M. C. B.; SANTOS, C. H. dos; MILORI, D. M. B. P.; FERREIRA, E. J. Diagnóstico de Greening em folhas de limão siciliano utilizando fluorescência induzida por laser (FIL). In: JORNADA CIENTÍFICA - EMBRAPA SÃO CARLOS, 2., 2010, São Carlos, SP. Anais... São Carlos: Embrapa Instrumentação Agropecuária: Embrapa Pecuária Sudeste, 2010. p. 68. (Embrapa Instrumentação Agropecuária. Documentos, 50).| Biblioteca(s): Embrapa Instrumentação. |
| |
| 35. | | LUCCAS, M. dos S.; HERRMANN JUNIOR, P. S. de P.; FERREIRA, E. J.; TORRE NETO, A. O Nariz eletrônico (E-nose) e a inteligência artificial, aplicados para monitorar de forma não invasiva o nível de estresse hídrico da soja. In: JORNADA CIENTÍFICA - EMBRAPA SÃO CARLOS, 13., 2021, São Carlos, SP. Anais... São Carlos: Embrapa Pecuária Sudeste: Embrapa Instrumentação, 2021. Editores técnicos: Alexandre Berndt, Ana Rita de Araujo Nogueira, Lea Chapaval Andri, Marcelo Mattos Cavallari, Manuel Antonio Chagas Jacinto. 54| Biblioteca(s): Embrapa Instrumentação. |
| |
| 40. | | FERREIRA, E. C.; MILORI, D. M. B. P.; FERREIRA, E. J.; MARTIN-NETO, L. Utilização de espectroscopia de emissão óptica com plasma induzido por laser (LIBS) e rede artificial para determinação de carbono em solos. In: ENCONTRO BRASILEIRO DE SUBSTÂNCIAS HÚMICAS, 8., 2009, Pelotas, RS. Matéria orgânica ambiental e sustentabilidade: anais. Pelotas, RS: Embrapa Clima Temperado, 2009. 1 CD-ROM.| Biblioteca(s): Embrapa Instrumentação. |
| |
| Registros recuperados : 120 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Instrumentação. |
|
Data corrente: |
14/10/2021 |
|
Data da última atualização: |
10/06/2022 |
|
Tipo da produção científica: |
Resumo em Anais de Congresso |
|
Autoria: |
LUCCAS, M. dos S.; HERRMANN JUNIOR, P. S. de P.; FERREIRA, E. J.; TORRE NETO, A. |
|
Afiliação: |
PAULO SERGIO DE P HERRMANN JUNIOR, CNPDIA; EDNALDO JOSE FERREIRA, CNPDIA; ANDRE TORRE NETO, CNPDIA. |
|
Título: |
O Nariz eletrônico (E-nose) e a inteligência artificial, aplicados para monitorar de forma não invasiva o nível de estresse hídrico da soja. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
In: JORNADA CIENTÍFICA - EMBRAPA SÃO CARLOS, 13., 2021, São Carlos, SP. Anais... São Carlos: Embrapa Pecuária Sudeste: Embrapa Instrumentação, 2021. Editores técnicos: Alexandre Berndt, Ana Rita de Araujo Nogueira, Lea Chapaval Andri, Marcelo Mattos Cavallari, Manuel Antonio Chagas Jacinto. |
|
Páginas: |
54 |
|
ISSN: |
1980-6841 |
|
Idioma: |
Português |
|
Conteúdo: |
A intensidade e a severidade do déficit hídrico são consideradas indicadores de fundamental importância, relacionado ao estresse abiótico, e que limitam a produção agrícola mundial. Neste trabalho apresenta-se os estudos na investigação do estresse com o uso do Nariz Eletrônico (“Enose”) e aprendizado de máquina (“machine learning”). O objetivo deste trabalho foi realizar medidas com o “E-nose” e do monitoramento de CO2 (ppm), da temperatura (oC), umidade relativa (%) e iluminação (Lux) para a cultura da soja em crescimento e em ambiente controlado, observando as alterações de níveis desses dados de maneira continuada ao longo da submissão do estresse hídrico. Os dados obtidos foram aplicados no aprendizado de máquina para estudar a detecção de níveis de severidade do estresse (ausência de estresse, estresse moderado ou estresse severo). A aplicação de técnicas de inteligência artificial permite a identificação antecipada do estresse na planta, de maneira não invasiva, não destrutiva e que pode vir a ser utilizado para apoiar a tomada de decisão. Durante as medições, as plantas foram mantidas em uma câmara instrumentada e o monitoramento dos dados de temperatura, de umidade relativa e CO2 foi feito a cada 5 minutos. Dados esses que compuseram uma base de dados maior, junto a análise gasosa do “E-nose” e as medidas da intensidade luminosa, onde ambas foram realizadas duas vezes ao dia. Após esse processo, realizou-se a mineração de dados visando classificar o nível de severidade do estresse hídrico na planta. Amostras de 500 µl de gases da câmara foram obtidas em triplicata, sendo utilizado o método de “headspace”, para análise global dos compostos orgânicos voláteis (COVs). Um “E-nose” comercial da Alpha Moss foi utilizado. As curvas de sensibilidade (η(%)) obtidas alimentaram a base de dados junto ao monitoramento da câmara. As técnicas de mineração de dados foram utilizadas, por intermédio do software “WekaTM” e utilizou-se a estratégia de árvore de decisão, “K-nearest neighbors (KNN)” e análise de discriminantes lineares (LDA). Testes de validação foram aplicados nos aprendizados, considerando plantas distintas para o treino e o teste, o que representou bons resultados para o aprendizado sobre o comportamento da medida de amostra de planta através do conjunto de outras plantas. Ao final de 27 testes, obteve-se um classificador capaz de detectar com bom índice de acerto a ausência de irrigação e, com uma menor eficiência, a severidade do estresse, usando o monitoramento de uma planta para predição do comportamento de outra. Nos trabalhos futuros pretende-se investigar essa aplicação metodológica em condições experimentais adversas e os seus níveis de severidade. MenosA intensidade e a severidade do déficit hídrico são consideradas indicadores de fundamental importância, relacionado ao estresse abiótico, e que limitam a produção agrícola mundial. Neste trabalho apresenta-se os estudos na investigação do estresse com o uso do Nariz Eletrônico (“Enose”) e aprendizado de máquina (“machine learning”). O objetivo deste trabalho foi realizar medidas com o “E-nose” e do monitoramento de CO2 (ppm), da temperatura (oC), umidade relativa (%) e iluminação (Lux) para a cultura da soja em crescimento e em ambiente controlado, observando as alterações de níveis desses dados de maneira continuada ao longo da submissão do estresse hídrico. Os dados obtidos foram aplicados no aprendizado de máquina para estudar a detecção de níveis de severidade do estresse (ausência de estresse, estresse moderado ou estresse severo). A aplicação de técnicas de inteligência artificial permite a identificação antecipada do estresse na planta, de maneira não invasiva, não destrutiva e que pode vir a ser utilizado para apoiar a tomada de decisão. Durante as medições, as plantas foram mantidas em uma câmara instrumentada e o monitoramento dos dados de temperatura, de umidade relativa e CO2 foi feito a cada 5 minutos. Dados esses que compuseram uma base de dados maior, junto a análise gasosa do “E-nose” e as medidas da intensidade luminosa, onde ambas foram realizadas duas vezes ao dia. Após esse processo, realizou-se a mineração de dados visando classificar o nível de severid... Mostrar Tudo |
|
Palavras-Chave: |
Cultura da soja; Estresse abiótico. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/226957/1/P-O-Nariz-eletronico-E-nose-e-a-inteligencia-artificial-aplicados-para-monitorar-de.pdf
|
|
Marc: |
LEADER 03718nam a2200193 a 4500
001 2135328
005 2022-06-10
008 2021 bl uuuu u00u1 u #d
022 $a1980-6841
100 1 $aLUCCAS, M. dos S.
245 $aO Nariz eletrônico (E-nose) e a inteligência artificial, aplicados para monitorar de forma não invasiva o nível de estresse hídrico da soja.$h[electronic resource]
260 $aIn: JORNADA CIENTÍFICA - EMBRAPA SÃO CARLOS, 13., 2021, São Carlos, SP. Anais... São Carlos: Embrapa Pecuária Sudeste: Embrapa Instrumentação, 2021. Editores técnicos: Alexandre Berndt, Ana Rita de Araujo Nogueira, Lea Chapaval Andri, Marcelo Mattos Cavallari, Manuel Antonio Chagas Jacinto.$c2021
300 $a54
520 $aA intensidade e a severidade do déficit hídrico são consideradas indicadores de fundamental importância, relacionado ao estresse abiótico, e que limitam a produção agrícola mundial. Neste trabalho apresenta-se os estudos na investigação do estresse com o uso do Nariz Eletrônico (“Enose”) e aprendizado de máquina (“machine learning”). O objetivo deste trabalho foi realizar medidas com o “E-nose” e do monitoramento de CO2 (ppm), da temperatura (oC), umidade relativa (%) e iluminação (Lux) para a cultura da soja em crescimento e em ambiente controlado, observando as alterações de níveis desses dados de maneira continuada ao longo da submissão do estresse hídrico. Os dados obtidos foram aplicados no aprendizado de máquina para estudar a detecção de níveis de severidade do estresse (ausência de estresse, estresse moderado ou estresse severo). A aplicação de técnicas de inteligência artificial permite a identificação antecipada do estresse na planta, de maneira não invasiva, não destrutiva e que pode vir a ser utilizado para apoiar a tomada de decisão. Durante as medições, as plantas foram mantidas em uma câmara instrumentada e o monitoramento dos dados de temperatura, de umidade relativa e CO2 foi feito a cada 5 minutos. Dados esses que compuseram uma base de dados maior, junto a análise gasosa do “E-nose” e as medidas da intensidade luminosa, onde ambas foram realizadas duas vezes ao dia. Após esse processo, realizou-se a mineração de dados visando classificar o nível de severidade do estresse hídrico na planta. Amostras de 500 µl de gases da câmara foram obtidas em triplicata, sendo utilizado o método de “headspace”, para análise global dos compostos orgânicos voláteis (COVs). Um “E-nose” comercial da Alpha Moss foi utilizado. As curvas de sensibilidade (η(%)) obtidas alimentaram a base de dados junto ao monitoramento da câmara. As técnicas de mineração de dados foram utilizadas, por intermédio do software “WekaTM” e utilizou-se a estratégia de árvore de decisão, “K-nearest neighbors (KNN)” e análise de discriminantes lineares (LDA). Testes de validação foram aplicados nos aprendizados, considerando plantas distintas para o treino e o teste, o que representou bons resultados para o aprendizado sobre o comportamento da medida de amostra de planta através do conjunto de outras plantas. Ao final de 27 testes, obteve-se um classificador capaz de detectar com bom índice de acerto a ausência de irrigação e, com uma menor eficiência, a severidade do estresse, usando o monitoramento de uma planta para predição do comportamento de outra. Nos trabalhos futuros pretende-se investigar essa aplicação metodológica em condições experimentais adversas e os seus níveis de severidade.
653 $aCultura da soja
653 $aEstresse abiótico
700 1 $aHERRMANN JUNIOR, P. S. de P.
700 1 $aFERREIRA, E. J.
700 1 $aTORRE NETO, A.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Instrumentação (CNPDIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
