| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
12/01/2018 |
|
Data da última atualização: |
21/01/2020 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
SANTOS, A. A. dos; SANTOS, T. T. |
|
Afiliação: |
ANDREZA APARECIDA DOS SANTOS, Unicamp, Bolsista CNPTIA; THIAGO TEIXEIRA SANTOS, CNPTIA. |
|
Título: |
Estudo de métodos de aprendizagem profunda para reconhecimento de bagas de uva. |
|
Ano de publicação: |
2017 |
|
Fonte/Imprenta: |
In: MOSTRA DE ESTAGIÁRIOS E BOLSISTAS DA EMBRAPA INFORMÁTICA AGROPCUÁRIA, 13., 2017, Campinas. Resumos expandidos... Brasília, DF: Embrapa, 2017. |
|
Páginas: |
p. 43-46. |
|
ISBN: |
978-85-7035-761-8 |
|
Idioma: |
Português |
|
Notas: |
Editores técnicos: Giampaolo Queiroz Pellegrino, Luciana Guilherme Sacomani Zenerato, Maria Fernanda Moura, Giulia Croce, Poliana Fernanda Giachetto. |
|
Conteúdo: |
Resumo: Dois métodos de aprendizagem profunda (deep learning) para reconhecimento de frutos foram estudados. Foi utilizada uma base de dados de 1.830 imagens contando exemplos de bagas de uva e não uva manualmente anotadas. Os testes realizados demonstraram a identificação de bagas com 85% de precisão e de cobertura (recall) utilizando redes neurais convolutivas. Esses resultados melhoraram o método anteriormente proposto por Santos e Santos (2017) e demonstram a possibilidade de evolução de métodos que podem ser aplicados em campo. |
|
Palavras-Chave: |
Aprendizagem profunda; Deep learning; Pattern recognition; Reconhecimento de padrões; Visão computacional. |
|
Thesagro: |
Viticultura. |
|
Thesaurus Nal: |
Computer vision. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/170931/1/Estudo-de-metodo-aprendizagem.pdf
|
|
Marc: |
LEADER 01506nam a2200241 a 4500
001 2085142
005 2020-01-21
008 2017 bl uuuu u00u1 u #d
020 $a978-85-7035-761-8
100 1 $aSANTOS, A. A. dos
245 $aEstudo de métodos de aprendizagem profunda para reconhecimento de bagas de uva.$h[electronic resource]
260 $aIn: MOSTRA DE ESTAGIÁRIOS E BOLSISTAS DA EMBRAPA INFORMÁTICA AGROPCUÁRIA, 13., 2017, Campinas. Resumos expandidos... Brasília, DF: Embrapa$c2017
300 $ap. 43-46.
500 $aEditores técnicos: Giampaolo Queiroz Pellegrino, Luciana Guilherme Sacomani Zenerato, Maria Fernanda Moura, Giulia Croce, Poliana Fernanda Giachetto.
520 $aResumo: Dois métodos de aprendizagem profunda (deep learning) para reconhecimento de frutos foram estudados. Foi utilizada uma base de dados de 1.830 imagens contando exemplos de bagas de uva e não uva manualmente anotadas. Os testes realizados demonstraram a identificação de bagas com 85% de precisão e de cobertura (recall) utilizando redes neurais convolutivas. Esses resultados melhoraram o método anteriormente proposto por Santos e Santos (2017) e demonstram a possibilidade de evolução de métodos que podem ser aplicados em campo.
650 $aComputer vision
650 $aViticultura
653 $aAprendizagem profunda
653 $aDeep learning
653 $aPattern recognition
653 $aReconhecimento de padrões
653 $aVisão computacional
700 1 $aSANTOS, T. T.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Café. |
|
Data corrente: |
13/04/2011 |
|
Data da última atualização: |
13/04/2011 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
VARGAS, E. A.; SILVA, F. B.; SANTOS, E. A.; SOUZA, S. M.; SOUZA, S. E.; CORRÊA, T. B. S.; FRANÇA, R. C. A.; AMORIM, S. S.; PFENNING, L. H.; BATISTA, L. R.; PEREIRA, R. T. G.; NOGUEIRA, M. D.; NACIF, A. P.; AFONSO JUNIOR, P. C. |
|
Afiliação: |
MINISTRY OF AGRICULTURE; DECAF/PR; MINISTRY OF AGRICULTURE; EPAMIG; UNIVERSIDADE ESTADUAL DA BAHIA; MINISTRY AGRICULTURE; MINISTRY OF AGRICULTURE; UNIVERSIDADE FEDERAL DE LAVRAS; EPAMIG; UFLA; INSTITUTO ADOLFO LUTZ; PAULO CESAR AFONSO JUNIOR, SAPC. |
|
Título: |
Influence of coffee processing and defects on the incidence and occurrence of ochratoxin A. |
|
Ano de publicação: |
2005 |
|
Fonte/Imprenta: |
In:INTERNATIONAL CONFERENCE ON COFFEE SCIENCE, 20., 2004, Bangalore, India. Anais... Montpellier, France: Association for Science and Information on Coffee, 2005. 1 CD-ROM. |
|
Idioma: |
Inglês |
|
Conteúdo: |
762 coffee samples (1 kg) ? most of dried processed arabica coffee from several stages of pre and post harvest ? were collected from different regions of Brazil according to a sample history questionnaire. Among them 60 samples (16 kg) were classified and sorted by defects, according to Brazilian Classification, in 13-17 types of defects: black, sour, insect damage beans, malformed, shell, immature, bean with fox silver skin, pulp nipped bean, broken, parchment, sticks, among others. All 762 samples and fractions of defects (446 subsamples) in the coffee samples were analysed for OTA and the influence and impact of coffee processing and the presence of defects in the OTA contamination were determined. |
|
Palavras-Chave: |
Coffee. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/32651/1/Influence-of-Coffee-Processing.pdf
|
|
Marc: |
LEADER 01638nam a2200277 a 4500
001 1885805
005 2011-04-13
008 2005 bl uuuu u00u1 u #d
100 1 $aVARGAS, E. A.
245 $aInfluence of coffee processing and defects on the incidence and occurrence of ochratoxin A.$h[electronic resource]
260 $aIn:INTERNATIONAL CONFERENCE ON COFFEE SCIENCE, 20., 2004, Bangalore, India. Anais... Montpellier, France: Association for Science and Information on Coffee, 2005. 1 CD-ROM.$c2005
520 $a762 coffee samples (1 kg) ? most of dried processed arabica coffee from several stages of pre and post harvest ? were collected from different regions of Brazil according to a sample history questionnaire. Among them 60 samples (16 kg) were classified and sorted by defects, according to Brazilian Classification, in 13-17 types of defects: black, sour, insect damage beans, malformed, shell, immature, bean with fox silver skin, pulp nipped bean, broken, parchment, sticks, among others. All 762 samples and fractions of defects (446 subsamples) in the coffee samples were analysed for OTA and the influence and impact of coffee processing and the presence of defects in the OTA contamination were determined.
653 $aCoffee
700 1 $aSILVA, F. B.
700 1 $aSANTOS, E. A.
700 1 $aSOUZA, S. M.
700 1 $aSOUZA, S. E.
700 1 $aCORRÊA, T. B. S.
700 1 $aFRANÇA, R. C. A.
700 1 $aAMORIM, S. S.
700 1 $aPFENNING, L. H.
700 1 $aBATISTA, L. R.
700 1 $aPEREIRA, R. T. G.
700 1 $aNOGUEIRA, M. D.
700 1 $aNACIF, A. P.
700 1 $aAFONSO JUNIOR, P. C.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Café (CNPCa) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
