|
|
Registros recuperados : 166 | |
41. | | RIBEIRO, M. E. R.; KOLLING, G. J.; ZANELA, M. B.; STUMPF, M. T.; SCHRAMM, R. C. Monitoramento da mastite em um rebanho jersey no sul do Rio Grande do Sul: resultados parciais 2011. In: FÓRUM DE PRODUÇÃO PECUÁRIA-LEITE, 14.; SALÃO DE TRABALHOS CIENTÍFICOS, 1., 2011, Cruz Alta. Anais... Cruz Alta: Unicruz Campus, 2011. p. 201-206. Biblioteca(s): Embrapa Clima Temperado. |
| |
43. | | ZANELA, M. B.; RIBEIRO, M. E. R.; FISCHER, V.; GOMES, J. F.; STUMPF JUNIOR, W. Ocorrência do leite instável não ácido no noroeste de Rio Grande do Sul. Arquivo Brasileiro de Medicina Veterinaria e Zootecnia, Belo Horizonte, v.61, n.4, p.1009-1013, 2009 Biblioteca(s): Embrapa Clima Temperado. |
| |
47. | | WITT, L. de; ZANELA, M. B.; GOMES, J. F.; RIBEIRO, M. E. R. Qualidade sanitária e microbiológica do leite de unidades de produção leiteira da Microrregião de Jaguarão, Rio Grande do Sul In: CONGRESSO INTERNACIONAL DO LEITE, 13.; WORKSHOP DE POLÍTICAS PÚBLICAS, 13.; SIMPÓSIO DE SUSTENTABILIDADE DA ATIVIDADE LEITEIRA, 14., Porto Alegre. Anais... Juiz de Fora: Embrapa Gado de Leite, 2015. Biblioteca(s): Embrapa Clima Temperado. |
| |
49. | | ZANELA, M. B.; KROLOW, A. C. R.; KOLLING, G. J.; RIBEIRO, M. E. R. Qualidade do leite de búfala e dos derivados lácteos produzidos - 2. Queijo Minas Frescal¹. In: CONGRESSO INTERNACIONAL DO LEITE, 11.; WORKSHOP SOBRE POLÍTICAS PÚBLICAS, 11.; SIMPÓSIO DE SUSTENTABILIDADE DA ATIVIDADE LEITEIRA, 12., 2012, Goiânia. Anais... Juiz de Fora: Embrapa Gado de Leite, 2012. Biblioteca(s): Embrapa Clima Temperado. |
| |
52. | | ZANELA, M. B.; KOLLING, G. J.; KROLOW, A. C. R.; RIBEIRO, M. E. R. Qualidade microbiológica de queijos de leite de búfala comercializados no RS¹. In: CONGRESSO INTERNACIONAL DO LEITE, 11.; WORKSHOP SOBRE POLÍTICAS PÚBLICAS, 11.; SIMPÓSIO DE SUSTENTABILIDADE DA ATIVIDADE LEITEIRA, 12., 2012, Goiânia. Anais... Juiz de Fora: Embrapa Gado de Leite, 2012. Biblioteca(s): Embrapa Clima Temperado. |
| |
53. | | CORREA, C. M.; MICHAELSEN, R.; Ribeiro, M. E. R.; PINTO, A. T.; ZANELA, M. B.; SCHMIDT, V. Composição do leite e diagnóstico de mastite em caprinos. Acta Scientiae Veterinariae, Porto Alegre, v. 38, n. 3, p. 273-278, 2010. Biblioteca(s): Embrapa Caprinos e Ovinos. |
| |
54. | | RIBEIRO, M. E. R.; KOLLING, G. J.; ZANELA, M. B.; SANTOS, C. S. dos; PERIN, L.; FISCHER, V. Composição do leite normal e do LINA em rebanho jersey: resultados preliminares 2011. In.: CONFERENCIA INTERNACIONAL SOBRE LECHE INESTABLE, 2., 2011, Colonia. [Anais...]. Colonia: Instituto Nacional de Investigación Agropecuaria de Uruguay, 2011. p. 62. Biblioteca(s): Embrapa Clima Temperado. |
| |
57. | | RIBEIRO, M. E. R.; ZANELA, M. B.; ROSA, P. P.; JUCHEM, S. de O.; CORRÊA, M. F. Caracterização de unidades de produção leiteira na região Sul do Rio Grande do Sul: 2: qualidade composicional do leite. In: CONGRESSO INTERNACIONAL DO LEITE, 13.; WORKSHOP DE POLÍTICAS PÚBLICAS, 13.; SIMPÓSIO DE SUSTENTABILIDADE DA ATIVIDADE LEITEIRA, 14., 2015, Porto Alegre. Anais... Brasília, DF: Embrapa, 2015. 1 CD-ROM. Editores Técnicos: Paulo do Carmo Martins, Gilberto Antônio Piccinini, Ernesto Ênio Budke Krug, Marne Sidney de Paula Moreira, Carlos Eugênio Martins, Oreno Ardêmio Heineck, Marcelo Henrique Otenio, Leonardo Dornelles de Dorneles,... Biblioteca(s): Embrapa Pecuária Sul. |
| |
58. | | RIBEIRO, M. E. R.; ZANELA, M. B.; ROSA, P. P.; JUCHEM, S. de O.; CORRÊA, M. F. Caracterização de Unidades de Produção Leiteira na Região Sul do Rio Grande do Sul. 2. Qualidade composicional do leite. In: CONGRESSO INTERNACIONAL DO LEITE, 13.; WORKSHOP DE POLÍTICAS PÚBLICAS, 13.; SIMPÓSIO DE SUSTENTABILIDADE DA ATIVIDADE LEITEIRA, 14., Porto Alegre. Anais... Juiz de Fora: Embrapa Gado de Leite, 2015. Biblioteca(s): Embrapa Clima Temperado. |
| |
59. | | RIBEIRO, M. E. R.; ZANELA, M. B.; ROSA, P. P.; JUCHEM, S. de O.; BALBONI, R. D. Caracterização de unidades de produção leiteira na região Sul do Rio Grande do Sul: 3: qualidade sanitária e microbiológica do leite. In: CONGRESSO INTERNACIONAL DO LEITE, 13.; WORKSHOP DE POLÍTICAS PÚBLICAS, 13.; SIMPÓSIO DE SUSTENTABILIDADE DA ATIVIDADE LEITEIRA, 14., 2015, Porto Alegre. Anais... Brasília, DF: Embrapa, 2015. 1 CD-ROM. Editores Técnicos: Paulo do Carmo Martins, Gilberto Antônio Piccinini, Ernesto Ênio Budke Krug, Marne Sidney de Paula Moreira, Carlos Eugênio Martins, Oreno Ardêmio Heineck, Marcelo Henrique Otenio, Leonardo Dornelles de Dorneles,... Biblioteca(s): Embrapa Pecuária Sul. |
| |
60. | | RIBEIRO, M. E. R.; ZANELA, M. B.; ROSA, P. P.; JUCHEM, S. de O.; BALBONI, R. D. Caracterização de Unidades de Produção Leiteira na Região Sul do Rio Grande do Sul. 3. Qualidade sanitária e microbiológica do leite. In: CONGRESSO INTERNACIONAL DO LEITE, 13.; WORKSHOP DE POLÍTICAS PÚBLICAS, 13.; SIMPÓSIO DE SUSTENTABILIDADE DA ATIVIDADE LEITEIRA, 14., Porto Alegre. Anais... Juiz de Fora: Embrapa Gado de Leite, 2015. Biblioteca(s): Embrapa Clima Temperado. |
| |
Registros recuperados : 166 | |
|
|
Registro Completo
Biblioteca(s): |
Embrapa Uva e Vinho. |
Data corrente: |
19/06/2023 |
Data da última atualização: |
20/06/2023 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Circulação/Nível: |
A - 4 |
Autoria: |
ARRUDA, D. C. de; DUCATI, J. R.; HOFF, R.; BELLOLI, T. F.; THUM, A. B. |
Afiliação: |
DINIZ CARVALHO DE ARRUDA, UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL; JORGE RICARDO DUCATI, UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL; ROSEMARY HOFF, CNPUV; TÁSSIA FRAGA BELLOLI, UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL; ADRIANE BRILL THUM, UNIVERSIDADE DO VALE DO RIO DOS SINOS. |
Título: |
Proximal hyperspectral analysis in grape leaves for region and variety identification. |
Ano de publicação: |
2023 |
Fonte/Imprenta: |
Ciência Rural, v. 53, n. 12, e20220313, 2023. |
DOI: |
http://doi.org/10.1590/0103-8478cr20220313 |
Idioma: |
Inglês |
Conteúdo: |
Reflectance measurements of plants of the same species can produce sets of data with differences between spectra, due to factors that can be external to the plant, like the environment where the plant grows, and to internal factors, for measurements of different varieties. This paper reports results of the analysis of radiometric measurements performed on leaves of vines of several grape varieties and on several sites. The objective of the research was, after the application of techniques of dimensionality reduction for the definition of the most relevant wavelengths, to evaluate four machine learning models applied to the observational sample aiming to discriminate classes of region and variety in vineyards. The tested machine learning classification models were Canonical Discrimination Analysis (CDA), Light Gradient Boosting Machine (LGBM), Random Forest (RF), and Support Vector Machine (SVM). From the results, we reported that the LGBM model obtained better accuracy in spectral discrimination by region, with a value the 0.93, followed by the RF model. Regarding the discrimination between grape varieties, these two models also achieved better results, with accuracies of 0.88 and 0.89. The wavelengths more relevant for discrimination were at ultraviolet, followed by those at blue and green spectral regions. This research pointed toward the importance of defining the wavelengths more relevant to the characterization of the reflectance spectra of leaves of grape varieties and revealed the effective capability of discriminating vineyards by their region or grape variety, using machine learning models. Análise hiperespectral proximal em folhas de videiras para identificação de regiões e variedades RESUMO: Medições de refletância de plantas da mesma espécie podem produzir conjuntos de dados com diferenças entre os espectros, devido a fatores que podem ser externos à planta, como o ambiente onde a planta cresce, e fatores internos, para medições com variedades de plantas. Este artigo reporta resultados da análise de medições por espectrorradiometria efetuadas em folhas de vinhas de variedades e em diferentes localidades. O objetivo desta pesquisa foi, após a aplicação de técnicas de redução de dimensionalidade para a definição dos comprimentos de onda mais relevantes, avaliar quatro modelos de aprendizado de máquina aplicados à amostra observacional visando discriminar classes de região e variedade. Os modelos de classificação de aprendizado de máquina testados foram Canonical Discrimination Analysis (CDA), Light Gradient Boosting Machine (LGBM), Random Forest (RF) e Support Vector Machine (SVM). A partir dos resultados, relatamos que o modelo LGBM obteve melhor acurácia na discriminação espectral por região, com valor de 0,93, seguido pelo modelo RF. Relativamente à discriminação entre castas, estes dois modelos também obtiveram melhores resultados, com acurácias de 0,88 e 0,89. Os comprimentos de onda mais importantes para as discriminações procuradas estiveram na região do ultravioleta, seguidos do azul e do verde. Este trabalho aponta para a importância de detectar os comprimentos de onda mais relevantes para a caracterização dos espectros de reflectância das folhas de variedades de vinhas, e revela a capacidade efetiva de discriminar vinhedos por suas regiões ou variedades, usando modelos de aprendizado de máquina. Palavras-chave: Vinhedos, hiperespectral, aprendizagem de máquina. MenosReflectance measurements of plants of the same species can produce sets of data with differences between spectra, due to factors that can be external to the plant, like the environment where the plant grows, and to internal factors, for measurements of different varieties. This paper reports results of the analysis of radiometric measurements performed on leaves of vines of several grape varieties and on several sites. The objective of the research was, after the application of techniques of dimensionality reduction for the definition of the most relevant wavelengths, to evaluate four machine learning models applied to the observational sample aiming to discriminate classes of region and variety in vineyards. The tested machine learning classification models were Canonical Discrimination Analysis (CDA), Light Gradient Boosting Machine (LGBM), Random Forest (RF), and Support Vector Machine (SVM). From the results, we reported that the LGBM model obtained better accuracy in spectral discrimination by region, with a value the 0.93, followed by the RF model. Regarding the discrimination between grape varieties, these two models also achieved better results, with accuracies of 0.88 and 0.89. The wavelengths more relevant for discrimination were at ultraviolet, followed by those at blue and green spectral regions. This research pointed toward the importance of defining the wavelengths more relevant to the characterization of the reflectance spectra of leaves of grape varieties and... Mostrar Tudo |
Palavras-Chave: |
Aprendizagem de máquina; Hiperespectral; Hyperspectral; Machine learning; Spectroradiometer; Vinhedos. |
Thesaurus NAL: |
Hyperspectral imagery; Vineyards. |
Categoria do assunto: |
F Plantas e Produtos de Origem Vegetal |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1154498/1/Arruda-etal-2023-Ciencia-Rual.pdf
|
Marc: |
LEADER 04309naa a2200277 a 4500 001 2154498 005 2023-06-20 008 2023 bl uuuu u00u1 u #d 024 7 $ahttp://doi.org/10.1590/0103-8478cr20220313$2DOI 100 1 $aARRUDA, D. C. de 245 $aProximal hyperspectral analysis in grape leaves for region and variety identification.$h[electronic resource] 260 $c2023 520 $aReflectance measurements of plants of the same species can produce sets of data with differences between spectra, due to factors that can be external to the plant, like the environment where the plant grows, and to internal factors, for measurements of different varieties. This paper reports results of the analysis of radiometric measurements performed on leaves of vines of several grape varieties and on several sites. The objective of the research was, after the application of techniques of dimensionality reduction for the definition of the most relevant wavelengths, to evaluate four machine learning models applied to the observational sample aiming to discriminate classes of region and variety in vineyards. The tested machine learning classification models were Canonical Discrimination Analysis (CDA), Light Gradient Boosting Machine (LGBM), Random Forest (RF), and Support Vector Machine (SVM). From the results, we reported that the LGBM model obtained better accuracy in spectral discrimination by region, with a value the 0.93, followed by the RF model. Regarding the discrimination between grape varieties, these two models also achieved better results, with accuracies of 0.88 and 0.89. The wavelengths more relevant for discrimination were at ultraviolet, followed by those at blue and green spectral regions. This research pointed toward the importance of defining the wavelengths more relevant to the characterization of the reflectance spectra of leaves of grape varieties and revealed the effective capability of discriminating vineyards by their region or grape variety, using machine learning models. Análise hiperespectral proximal em folhas de videiras para identificação de regiões e variedades RESUMO: Medições de refletância de plantas da mesma espécie podem produzir conjuntos de dados com diferenças entre os espectros, devido a fatores que podem ser externos à planta, como o ambiente onde a planta cresce, e fatores internos, para medições com variedades de plantas. Este artigo reporta resultados da análise de medições por espectrorradiometria efetuadas em folhas de vinhas de variedades e em diferentes localidades. O objetivo desta pesquisa foi, após a aplicação de técnicas de redução de dimensionalidade para a definição dos comprimentos de onda mais relevantes, avaliar quatro modelos de aprendizado de máquina aplicados à amostra observacional visando discriminar classes de região e variedade. Os modelos de classificação de aprendizado de máquina testados foram Canonical Discrimination Analysis (CDA), Light Gradient Boosting Machine (LGBM), Random Forest (RF) e Support Vector Machine (SVM). A partir dos resultados, relatamos que o modelo LGBM obteve melhor acurácia na discriminação espectral por região, com valor de 0,93, seguido pelo modelo RF. Relativamente à discriminação entre castas, estes dois modelos também obtiveram melhores resultados, com acurácias de 0,88 e 0,89. Os comprimentos de onda mais importantes para as discriminações procuradas estiveram na região do ultravioleta, seguidos do azul e do verde. Este trabalho aponta para a importância de detectar os comprimentos de onda mais relevantes para a caracterização dos espectros de reflectância das folhas de variedades de vinhas, e revela a capacidade efetiva de discriminar vinhedos por suas regiões ou variedades, usando modelos de aprendizado de máquina. Palavras-chave: Vinhedos, hiperespectral, aprendizagem de máquina. 650 $aHyperspectral imagery 650 $aVineyards 653 $aAprendizagem de máquina 653 $aHiperespectral 653 $aHyperspectral 653 $aMachine learning 653 $aSpectroradiometer 653 $aVinhedos 700 1 $aDUCATI, J. R. 700 1 $aHOFF, R. 700 1 $aBELLOLI, T. F. 700 1 $aTHUM, A. B. 773 $tCiência Rural$gv. 53, n. 12, e20220313, 2023.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Uva e Vinho (CNPUV) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|