|
|
Registro Completo |
Biblioteca(s): |
Embrapa Mandioca e Fruticultura; Embrapa Meio Ambiente. |
Data corrente: |
27/09/2018 |
Data da última atualização: |
06/11/2018 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Autoria: |
BARBEDO, J. G. A.; KOENIGKAN, L. V.; HALFELD-VIEIRA, B. de A.; COSTA, R. V. da; NECHET, K. de L.; GODOY, C. V.; LOBO JUNIOR, M.; PATRÍCIO, F. R. A.; TALAMINI, V.; CHITARRA, L. G.; OLIVEIRA, S. A. S. de; ISHIDA, A. K. N.; FERNANDES, J. M. C.; SANTOS, T. T.; CAVALCANTI, F. R.; TERAO, D.; ANGELOTTI, F. |
Afiliação: |
JAYME GARCIA ARNAL BARBEDO, CNPTIA; LUCIANO VIEIRA KOENIGKAN, CNPTIA; BERNARDO DE ALMEIDA HALFELD VIEIRA, CNPMA; RODRIGO VERAS DA COSTA, CNPMS; KATIA DE LIMA NECHET, CNPMA; CLAUDIA VIEIRA GODOY, CNPSO; MURILLO LOBO JUNIOR, CNPAF; F. R. A. PATRÍCIO, Instituto Biológico, Campinas, SP; VIVIANE TALAMINI, CPATC; LUIZ GONZAGA CHITARRA, CNPA; SAULO ALVES SANTOS DE OLIVEIRA, CNPMF; ALESSANDRA KEIKO NAKASONE ISHIDA, CPATU; JOSE MAURICIO CUNHA FERNANDES, CNPT; THIAGO TEIXEIRA SANTOS, CNPTIA; FABIO ROSSI CAVALCANTI, CNPUV; DANIEL TERAO, CNPMA; FRANCISLENE ANGELOTTI, CPATSA. |
Título: |
Annotated plant pathology databases for image-based detection and recognition of diseases. |
Ano de publicação: |
2018 |
Fonte/Imprenta: |
Revista IEEE America Latina, v. 16, n. 6, p. 1749-1757, jun. 2018. |
Idioma: |
Inglês Português |
Notas: |
O título da revista foi grafado no artigo como IEEE LATIN AMERICA TRANSACTIONS, mas registro de título do periódico é REVISTA IEEE AMÉRICA LATINA. |
Conteúdo: |
Over the last few years, considerable effort has been spent by Embrapa in the construction of a plant disease database representative enough for the development of effective methods for automatic plant disease detection and recognition. In October of 2016, this database, called PDDB, had 2326 images of 171 diseases and other disorders affecting 21 plant species. PDDB size, although considerable, is not enough to allow the use of powerful techniques such as deep learning. In order to increase its size, each image was subdivided according to certain criteria, increasing the number of images to 46,513. Both the original (PDDB) and subdivided (XDB)databases are now being made freely available for academic research purposes, thus supporting new studies and contributing to speed up the advances in the area. Both collections are expected to grow continuously in order to expand their reach. PDDB and XDB can be accessed in the link https://www.digipathos-rep.cnptia.embrapa.br/. |
Palavras-Chave: |
Aprendizagem profunda; Banco de dados; Imagem em processamento; Patologia vegetal. |
Thesagro: |
Doença de Planta. |
Thesaurus Nal: |
Databases; Plant diseases and disorders; Plant pathology. |
Categoria do assunto: |
H Saúde e Patologia |
Marc: |
LEADER 02382naa a2200421 a 4500 001 2097182 005 2018-11-06 008 2018 bl --- 0-- u #d 100 1 $aBARBEDO, J. G. A. 245 $aAnnotated plant pathology databases for image-based detection and recognition of diseases.$h[electronic resource] 260 $c2018 500 $aO título da revista foi grafado no artigo como IEEE LATIN AMERICA TRANSACTIONS, mas registro de título do periódico é REVISTA IEEE AMÉRICA LATINA. 520 $aOver the last few years, considerable effort has been spent by Embrapa in the construction of a plant disease database representative enough for the development of effective methods for automatic plant disease detection and recognition. In October of 2016, this database, called PDDB, had 2326 images of 171 diseases and other disorders affecting 21 plant species. PDDB size, although considerable, is not enough to allow the use of powerful techniques such as deep learning. In order to increase its size, each image was subdivided according to certain criteria, increasing the number of images to 46,513. Both the original (PDDB) and subdivided (XDB)databases are now being made freely available for academic research purposes, thus supporting new studies and contributing to speed up the advances in the area. Both collections are expected to grow continuously in order to expand their reach. PDDB and XDB can be accessed in the link https://www.digipathos-rep.cnptia.embrapa.br/. 650 $aDatabases 650 $aPlant diseases and disorders 650 $aPlant pathology 650 $aDoença de Planta 653 $aAprendizagem profunda 653 $aBanco de dados 653 $aImagem em processamento 653 $aPatologia vegetal 700 1 $aKOENIGKAN, L. V. 700 1 $aHALFELD-VIEIRA, B. de A. 700 1 $aCOSTA, R. V. da 700 1 $aNECHET, K. de L. 700 1 $aGODOY, C. V. 700 1 $aLOBO JUNIOR, M. 700 1 $aPATRÍCIO, F. R. A. 700 1 $aTALAMINI, V. 700 1 $aCHITARRA, L. G. 700 1 $aOLIVEIRA, S. A. S. de 700 1 $aISHIDA, A. K. N. 700 1 $aFERNANDES, J. M. C. 700 1 $aSANTOS, T. T. 700 1 $aCAVALCANTI, F. R. 700 1 $aTERAO, D. 700 1 $aANGELOTTI, F. 773 $tRevista IEEE America Latina$gv. 16, n. 6, p. 1749-1757, jun. 2018.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Meio Ambiente (CNPMA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Unidades Centrais. |
Data corrente: |
30/09/2016 |
Data da última atualização: |
24/05/2017 |
Autoria: |
SILVA, M. R. da; STRECK, N. A.; FERRAZ, S. E. T.; RIBAS, G. G.; DUARTE JUNIOR, A. J.; NASCIMENTO, M. de F. do; ALBERTO, C. M.; MACHADO, G. A. |
Afiliação: |
MICHEL ROCHA DA SILVA, UFSM; NEREU AUGUSTO STRECK, UFSM; SIMONE EROTILDES TELEGINSKI FERRAZ, UFSM; GIOVANA GHISLENI RIBAS, UFSM; ARY JOSÉ DUARTE JÚNIOR, UFSM; MOISÉS DE FREITS DO NASCIMENTO, UFSM; CLEBER MAUS ALBERTO, UNIPAMPA; GETER ALVES MACHADO, UNIPAMPA. |
Título: |
Modelagem numérica para previsão de safra de arroz irrigado no Rio Grande do Sul. |
Ano de publicação: |
2016 |
Fonte/Imprenta: |
Pesquisa Agropecuária Brasileira, Brasília, DF, v. 51, n. 7, p. 791-800, jul. 2016. |
Idioma: |
Português |
Notas: |
Título em inglês: Numerical modeling for yield forecast of flooded rice in the state of Rio Grande do Sul, Brazil. |
Conteúdo: |
O objetivo deste trabalho foi avaliar um método de previsão de safra de arroz irrigado por inundação para o Rio Grande do Sul, por meio do modelo SimulArroz e do modelo climático regional RegCM4. Dados diários de temperatura mínima, temperatura máxima e radiação solar, simulados a partir de nove membros do modelo RegCM4, foram usados como dados de entrada no modelo SimulArroz para previsão de safra. Para testar o desempenho da previsão de safra, experimentos foram realizados durante o ano agrícola 2013/2014, nos municípios de Restinga Seca e Itaqui, RS, onde foi avaliada a variável produtividade de grãos. A produtividade de grãos observada variou de 6.898 a 10.272 kg ha?1, e a produtividade de grãos prevista variou de 2.853 a 9.636 kg ha?1. As previsões de produtividade de grãos de arroz, geradas pelos membros 31, 19, 13 e 01, apresentaram raiz do quadrado médio do erro de 1.218, 1.134, 1.354 e 1.374 kg ha?1, respectivamente. A previsão de safra de arroz irrigado por inundação para o Rio Grande do Sul pode ser realizada por meio do modelo SimulArroz, ao se utilizar, como dados meteorológicos de entrada, a previsão climática sazonal obtida com o modelo RegCM4. |
Palavras-Chave: |
RegCM4; SimulArroz; Simulations. |
Thesagro: |
Oryza Sativa; Produtividade; Simulação. |
Thesaurus NAL: |
Yields. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/148010/1/Modelagem-numerica.pdf
|
Marc: |
LEADER 02150naa a2200301 a 4500 001 2053789 005 2017-05-24 008 2016 bl uuuu u00u1 u #d 100 1 $aSILVA, M. R. da 245 $aModelagem numérica para previsão de safra de arroz irrigado no Rio Grande do Sul. 260 $c2016 500 $aTítulo em inglês: Numerical modeling for yield forecast of flooded rice in the state of Rio Grande do Sul, Brazil. 520 $aO objetivo deste trabalho foi avaliar um método de previsão de safra de arroz irrigado por inundação para o Rio Grande do Sul, por meio do modelo SimulArroz e do modelo climático regional RegCM4. Dados diários de temperatura mínima, temperatura máxima e radiação solar, simulados a partir de nove membros do modelo RegCM4, foram usados como dados de entrada no modelo SimulArroz para previsão de safra. Para testar o desempenho da previsão de safra, experimentos foram realizados durante o ano agrícola 2013/2014, nos municípios de Restinga Seca e Itaqui, RS, onde foi avaliada a variável produtividade de grãos. A produtividade de grãos observada variou de 6.898 a 10.272 kg ha?1, e a produtividade de grãos prevista variou de 2.853 a 9.636 kg ha?1. As previsões de produtividade de grãos de arroz, geradas pelos membros 31, 19, 13 e 01, apresentaram raiz do quadrado médio do erro de 1.218, 1.134, 1.354 e 1.374 kg ha?1, respectivamente. A previsão de safra de arroz irrigado por inundação para o Rio Grande do Sul pode ser realizada por meio do modelo SimulArroz, ao se utilizar, como dados meteorológicos de entrada, a previsão climática sazonal obtida com o modelo RegCM4. 650 $aYields 650 $aOryza Sativa 650 $aProdutividade 650 $aSimulação 653 $aRegCM4 653 $aSimulArroz 653 $aSimulations 700 1 $aSTRECK, N. A. 700 1 $aFERRAZ, S. E. T. 700 1 $aRIBAS, G. G. 700 1 $aDUARTE JUNIOR, A. J. 700 1 $aNASCIMENTO, M. de F. do 700 1 $aALBERTO, C. M. 700 1 $aMACHADO, G. A. 773 $tPesquisa Agropecuária Brasileira, Brasília, DF$gv. 51, n. 7, p. 791-800, jul. 2016.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Unidades Centrais (AI-SEDE) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|