| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Instrumentação. |
|
Data corrente: |
23/01/2023 |
|
Data da última atualização: |
12/01/2024 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
CORREA, D. V.; RAMOS, A. P. M.; OSCO, L. P.; JORGE, L. A. de C. |
|
Afiliação: |
LUCIO ANDRE DE CASTRO JORGE, CNPDIA. |
|
Título: |
Aprendizagem de máquina para identificação de plantas de soja sob ataque de insetos usando dados hiperespectrais. |
|
Ano de publicação: |
2023 |
|
Fonte/Imprenta: |
Colloquium Exactarum, v.14, 2023. |
|
Páginas: |
146-153 |
|
ISSN: |
2178-8332 |
|
DOI: |
10.5747/ce.2022.v14.e393 |
|
Idioma: |
Português |
|
Conteúdo: |
A integração entre as áreas de sensoriamento remoto e machine learning tem permitido um avanço na forma de mapeamento de campos agrícolas e monitoramento de culturas. Este trabalho investiga a capacidade de algoritmos de aprendizagem de máquina em classificar plantas de soja sob ataque de insetos, utilizando medidas de espectroscopia de refletância coletadas ao nível foliar. Para tanto, desenvolveu-se testes com diferentes algoritmos utilizando um conjunto de 991 curvas espectrais referentes à planta de soja saudável e sob ataque de pragas, coletadas em oito dias consecutivos. Essas curvas foram medidas pela equipe da EMBRAPA, usando um espectrorradiômetro portátil, que registra no intervalo de 350 a 2500 nm. Tais curvas foram, inicialmente, pré-processadas para a remoção das regiões de absorção atmosférica pelo vapor d?água, e em seguida subdividida em conjunto de treino, validação e teste dos algoritmos de aprendizagem de máquina. Utilizou-se o interpretador Google Collabs e os algoritmos foram inscritos em linguagem Python, utilizando bibliotecas, como a Skit Sklearn. Dentre os algoritmos utilizados, tem-se Random Forest, Decision Tree, Support Vector Machine, Logistic Regression e Extra-Tree. O Extra-tree tem melhor desempenho (F1-score = 80,40%; precision = 81%; recall = 80%) na tarefa proposta. Conclui-se que é possível processar medidas de espectroscopia de refletância com algoritmos de aprendizagem de máquina para se monitorar o ataque por insetos em plantas de soja. Recomenda-se que a abordagem aplicada seja testada em outras culturas. MenosA integração entre as áreas de sensoriamento remoto e machine learning tem permitido um avanço na forma de mapeamento de campos agrícolas e monitoramento de culturas. Este trabalho investiga a capacidade de algoritmos de aprendizagem de máquina em classificar plantas de soja sob ataque de insetos, utilizando medidas de espectroscopia de refletância coletadas ao nível foliar. Para tanto, desenvolveu-se testes com diferentes algoritmos utilizando um conjunto de 991 curvas espectrais referentes à planta de soja saudável e sob ataque de pragas, coletadas em oito dias consecutivos. Essas curvas foram medidas pela equipe da EMBRAPA, usando um espectrorradiômetro portátil, que registra no intervalo de 350 a 2500 nm. Tais curvas foram, inicialmente, pré-processadas para a remoção das regiões de absorção atmosférica pelo vapor d?água, e em seguida subdividida em conjunto de treino, validação e teste dos algoritmos de aprendizagem de máquina. Utilizou-se o interpretador Google Collabs e os algoritmos foram inscritos em linguagem Python, utilizando bibliotecas, como a Skit Sklearn. Dentre os algoritmos utilizados, tem-se Random Forest, Decision Tree, Support Vector Machine, Logistic Regression e Extra-Tree. O Extra-tree tem melhor desempenho (F1-score = 80,40%; precision = 81%; recall = 80%) na tarefa proposta. Conclui-se que é possível processar medidas de espectroscopia de refletância com algoritmos de aprendizagem de máquina para se monitorar o ataque por insetos em plantas de soja.... Mostrar Tudo |
|
Palavras-Chave: |
Aprendizagem de máquina; Medidas de refletância. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/245659/1/P-APRENDIZAGEM-DE-MAQUINA-PARA-IDENTIFICACAO-DE-PLANTAS-DE-SOJA.pdf
|
|
Marc: |
LEADER 02265naa a2200217 a 4500
001 2151175
005 2024-01-12
008 2023 bl uuuu u00u1 u #d
022 $a2178-8332
024 7 $a10.5747/ce.2022.v14.e393$2DOI
100 1 $aCORREA, D. V.
245 $aAprendizagem de máquina para identificação de plantas de soja sob ataque de insetos usando dados hiperespectrais.$h[electronic resource]
260 $c2023
300 $a146-153
520 $aA integração entre as áreas de sensoriamento remoto e machine learning tem permitido um avanço na forma de mapeamento de campos agrícolas e monitoramento de culturas. Este trabalho investiga a capacidade de algoritmos de aprendizagem de máquina em classificar plantas de soja sob ataque de insetos, utilizando medidas de espectroscopia de refletância coletadas ao nível foliar. Para tanto, desenvolveu-se testes com diferentes algoritmos utilizando um conjunto de 991 curvas espectrais referentes à planta de soja saudável e sob ataque de pragas, coletadas em oito dias consecutivos. Essas curvas foram medidas pela equipe da EMBRAPA, usando um espectrorradiômetro portátil, que registra no intervalo de 350 a 2500 nm. Tais curvas foram, inicialmente, pré-processadas para a remoção das regiões de absorção atmosférica pelo vapor d?água, e em seguida subdividida em conjunto de treino, validação e teste dos algoritmos de aprendizagem de máquina. Utilizou-se o interpretador Google Collabs e os algoritmos foram inscritos em linguagem Python, utilizando bibliotecas, como a Skit Sklearn. Dentre os algoritmos utilizados, tem-se Random Forest, Decision Tree, Support Vector Machine, Logistic Regression e Extra-Tree. O Extra-tree tem melhor desempenho (F1-score = 80,40%; precision = 81%; recall = 80%) na tarefa proposta. Conclui-se que é possível processar medidas de espectroscopia de refletância com algoritmos de aprendizagem de máquina para se monitorar o ataque por insetos em plantas de soja. Recomenda-se que a abordagem aplicada seja testada em outras culturas.
653 $aAprendizagem de máquina
653 $aMedidas de refletância
700 1 $aRAMOS, A. P. M.
700 1 $aOSCO, L. P.
700 1 $aJORGE, L. A. de C.
773 $tColloquium Exactarum$gv.14, 2023.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Instrumentação (CNPDIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Meio Ambiente; Embrapa Pecuária Sul. |
|
Data corrente: |
11/12/2014 |
|
Data da última atualização: |
10/03/2015 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
NEVES, M. C.; PEREZ, N. B.; SISTI, R. N. |
|
Afiliação: |
MARCOS CORREA NEVES, CNPMA; NAYLOR BASTIANI PEREZ, CPPSUL; RODISON NATIVIDADE SISTI, CPPSUL. |
|
Título: |
Análise exploratória de dados de monitoramento dos animais em um sistema de integração lavoura-pecuária. |
|
Ano de publicação: |
2014 |
|
Fonte/Imprenta: |
In: CONGRESSO BRASILEIRO DE AGRICULTURA DE PRECISÃO, 2014, São Pedro, SP. Anais... Jaboticabal: SBEA, 2014. |
|
ISBN: |
978-85-64681-05-7 |
|
Idioma: |
Português |
|
Conteúdo: |
Resumo: A aplicação dos preceitos da Agricultura de Precisão em um sistema de Integração Lavoura-Pecuária (ILP) envolve um grau de dificuldade maior devido ao número de fatores envolvidos e a presença da componente animal. Variáveis como a mobilidade, pisoteio, dejeções dos animais e zonas preferenciais podem impactar o sistema e devem ser consideradas. O objetivo deste trabalho é realizar uma análise exploratória dos dados de monitoramento de animais em um sistema ILP. Os dados foram obtidos por aparelhos GPS afixados em animais do rebanho e complementados por observações de campo. São apresentados mapas derivados da aplicação do estimador de intensidade Kernel para situações distintas e levantadas hipóteses sobre os comportamentos dos animais. |
|
Palavras-Chave: |
Integração lavoura-pecuária. |
|
Thesagro: |
Agricultura de Precisão. |
|
Thesaurus NAL: |
Cattle; Geographic information systems; Monitoring. |
|
Categoria do assunto: |
--
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/120000/1/2014aa75.pdf
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/113550/1/Analise-exploratoria-COMPLETO-CONBAP-2014-.pdf
|
|
Marc: |
LEADER 01496nam a2200205 a 4500
001 2011053
005 2015-03-10
008 2014 bl uuuu u00u1 u #d
020 $a978-85-64681-05-7
100 1 $aNEVES, M. C.
245 $aAnálise exploratória de dados de monitoramento dos animais em um sistema de integração lavoura-pecuária.$h[electronic resource]
260 $aIn: CONGRESSO BRASILEIRO DE AGRICULTURA DE PRECISÃO, 2014, São Pedro, SP. Anais... Jaboticabal: SBEA$c2014
520 $aResumo: A aplicação dos preceitos da Agricultura de Precisão em um sistema de Integração Lavoura-Pecuária (ILP) envolve um grau de dificuldade maior devido ao número de fatores envolvidos e a presença da componente animal. Variáveis como a mobilidade, pisoteio, dejeções dos animais e zonas preferenciais podem impactar o sistema e devem ser consideradas. O objetivo deste trabalho é realizar uma análise exploratória dos dados de monitoramento de animais em um sistema ILP. Os dados foram obtidos por aparelhos GPS afixados em animais do rebanho e complementados por observações de campo. São apresentados mapas derivados da aplicação do estimador de intensidade Kernel para situações distintas e levantadas hipóteses sobre os comportamentos dos animais.
650 $aCattle
650 $aGeographic information systems
650 $aMonitoring
650 $aAgricultura de Precisão
653 $aIntegração lavoura-pecuária
700 1 $aPEREZ, N. B.
700 1 $aSISTI, R. N.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Meio Ambiente (CNPMA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
