| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Agroindústria de Alimentos. Para informações adicionais entre em contato com ctaa.biblioteca@embrapa.br. |
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agroindústria de Alimentos; Embrapa Agroindústria Tropical. |
|
Data corrente: |
18/11/2020 |
|
Data da última atualização: |
27/11/2020 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
DELGADO, K.; VIEIRA, C.; DAMMAK, I.; FRASÃO, B.; BRIGIDA, A. I. S.; COSTA, M.; CONTE-JUNIOR, C. |
|
Afiliação: |
Karina Delgado, UFF, UFRJ; Carla Vieira, UFF, UFRJ; Ilyes Dammak, UFRJ; Beatriz Frasão, UFF; ANA IRAIDY SANTA BRIGIDA, CNPAT; Marion Costa, UFF; Carlos Conte-Junior, UFF, UFRJ, FIOCRUZ. |
|
Título: |
Different ultrasound exposure times influence the physicochemical and microbial quality properties in probiotic goat milk yogurt. |
|
Ano de publicação: |
2020 |
|
Fonte/Imprenta: |
Molecules, v. 25, 4638, p. 1-22, 2020 |
|
DOI: |
doi:10.3390/molecules25204638 |
|
Idioma: |
Inglês |
|
Palavras-Chave: |
Caprine milk; Fisico quimica estabilidade; Leite caprino; Microbial viability; Non-thermal technologies; Physicochemical stability; Processamento de comida; Sonicação; Sonication; Tecnologias não térmicas; Viabilidade microbiana. |
|
Thesaurus Nal: |
Food processing; Food technology. |
|
Categoria do assunto: |
Q Alimentos e Nutrição Humana |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/218137/1/ART20105.pdf
|
|
Marc: |
LEADER 01083naa a2200349 a 4500
001 2126963
005 2020-11-27
008 2020 bl uuuu u00u1 u #d
024 7 $adoi:10.3390/molecules25204638$2DOI
100 1 $aDELGADO, K.
245 $aDifferent ultrasound exposure times influence the physicochemical and microbial quality properties in probiotic goat milk yogurt.$h[electronic resource]
260 $c2020
650 $aFood processing
650 $aFood technology
653 $aCaprine milk
653 $aFisico quimica estabilidade
653 $aLeite caprino
653 $aMicrobial viability
653 $aNon-thermal technologies
653 $aPhysicochemical stability
653 $aProcessamento de comida
653 $aSonicação
653 $aSonication
653 $aTecnologias não térmicas
653 $aViabilidade microbiana
700 1 $aVIEIRA, C.
700 1 $aDAMMAK, I.
700 1 $aFRASÃO, B.
700 1 $aBRIGIDA, A. I. S.
700 1 $aCOSTA, M.
700 1 $aCONTE-JUNIOR, C.
773 $tMolecules$gv. 25, 4638, p. 1-22, 2020
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agroindústria Tropical (CNPAT) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Pecuária Sul. |
|
Data corrente: |
20/08/2021 |
|
Data da última atualização: |
20/08/2021 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
SOARES, Â. F.; PEREZ, N. B.; PÍNHO, L. B. de. |
|
Afiliação: |
ÂNDERSON FISCHOEDER SOARES, UNIPAMPA; NAYLOR BASTIANI PEREZ, CPPSUL; LEONARDO BIDESE DE PÍNHO, UNIPAMPA. |
|
Título: |
TouceiraTech: uma proposta de FMIS inovador para predição de disponibilidade de pasto e ajuste de lotação animal. |
|
Ano de publicação: |
2020 |
|
Fonte/Imprenta: |
In: JORNADAS ARGENTINAS DE INFORMÁTICA E INVESTIGACIÓN OPERATIVA, 49.; CONGRESO DE AGROINFORMÁTICA, 12., 2020, Buenos Aires. Anales electrónicos... Buenos Aires: SADIO, 2020. |
|
Páginas: |
p. 298-311. |
|
ISSN: |
2525-0949 |
|
Idioma: |
Português |
|
Conteúdo: |
Para aumentar a produtividade em sistemas de produção de animais a pasto, com baixo custo e sem degradação do ambiente, é necessário ajustar a lotação animal â disponibilidade de alimento. Convencionalmente, o ajuste de lotação é realizado com base na taxa de acúmulo do período anterior, sem considerar as variações meteorológicas diárias observadas desde a última estimativa. O presente trabalho apresenta os princípios e resultados preliminares de um Farm Management In- formation System (FMIS), denominado TouceiraTech, concebido para a predição da disponibilidade de forragem em pastagens naturais por meio de Inteligência Artificial. O modelo correlaciona dados meteorológicos obtidos automaticamente, de bases remotas abertas, com dados históricos da pastagem, obtidos por amostragem estratificada em áreas experimentais do Bioma Pampa. O sistema inova em funcionalidades desenvolvidas na Linguagem Python permitindo coletar automaticamente os dados históricos de experimentos e da previsão meteorológica recente, bem como calcular a evapotranspiração. As informações, armazenadas em um banco de dados espacial, contemplam as variáveis de entrada necessárias ao modelo de predição de matéria seca (MS) de pasto, proposto em trabalho anterior, baseado em uma rede neural convolucional do tipo Long Short-Term Memory (LSTM). Os resultados evidenciam que a inclusão do cálculo automático da evapotranspiração, com auxílio do Pacote PyEto, apresenta uma acurácia adequada em comparação com o processo manual anteriormente adotado, sendo também verificada a capacidade do sistema para obter e processar os dados de previsão meteorológica de diferentes órgãos, predizendo com diferentes níveis de acurácia a oferta de MS com horizonte de quinze dias. MenosPara aumentar a produtividade em sistemas de produção de animais a pasto, com baixo custo e sem degradação do ambiente, é necessário ajustar a lotação animal â disponibilidade de alimento. Convencionalmente, o ajuste de lotação é realizado com base na taxa de acúmulo do período anterior, sem considerar as variações meteorológicas diárias observadas desde a última estimativa. O presente trabalho apresenta os princípios e resultados preliminares de um Farm Management In- formation System (FMIS), denominado TouceiraTech, concebido para a predição da disponibilidade de forragem em pastagens naturais por meio de Inteligência Artificial. O modelo correlaciona dados meteorológicos obtidos automaticamente, de bases remotas abertas, com dados históricos da pastagem, obtidos por amostragem estratificada em áreas experimentais do Bioma Pampa. O sistema inova em funcionalidades desenvolvidas na Linguagem Python permitindo coletar automaticamente os dados históricos de experimentos e da previsão meteorológica recente, bem como calcular a evapotranspiração. As informações, armazenadas em um banco de dados espacial, contemplam as variáveis de entrada necessárias ao modelo de predição de matéria seca (MS) de pasto, proposto em trabalho anterior, baseado em uma rede neural convolucional do tipo Long Short-Term Memory (LSTM). Os resultados evidenciam que a inclusão do cálculo automático da evapotranspiração, com auxílio do Pacote PyEto, apresenta uma acurácia adequada em comparação com o proc... Mostrar Tudo |
|
Thesagro: |
Agricultura de Precisão; Pastejo; Pecuária; Produtividade. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/225372/1/Soares-et-al.pdf
|
|
Marc: |
LEADER 02563nam a2200205 a 4500
001 2133748
005 2021-08-20
008 2020 bl uuuu u00u1 u #d
022 $a2525-0949
100 1 $aSOARES, Â. F.
245 $aTouceiraTech$buma proposta de FMIS inovador para predição de disponibilidade de pasto e ajuste de lotação animal.$h[electronic resource]
260 $aIn: JORNADAS ARGENTINAS DE INFORMÁTICA E INVESTIGACIÓN OPERATIVA, 49.; CONGRESO DE AGROINFORMÁTICA, 12., 2020, Buenos Aires. Anales electrónicos... Buenos Aires: SADIO$c2020
300 $ap. 298-311.
520 $aPara aumentar a produtividade em sistemas de produção de animais a pasto, com baixo custo e sem degradação do ambiente, é necessário ajustar a lotação animal â disponibilidade de alimento. Convencionalmente, o ajuste de lotação é realizado com base na taxa de acúmulo do período anterior, sem considerar as variações meteorológicas diárias observadas desde a última estimativa. O presente trabalho apresenta os princípios e resultados preliminares de um Farm Management In- formation System (FMIS), denominado TouceiraTech, concebido para a predição da disponibilidade de forragem em pastagens naturais por meio de Inteligência Artificial. O modelo correlaciona dados meteorológicos obtidos automaticamente, de bases remotas abertas, com dados históricos da pastagem, obtidos por amostragem estratificada em áreas experimentais do Bioma Pampa. O sistema inova em funcionalidades desenvolvidas na Linguagem Python permitindo coletar automaticamente os dados históricos de experimentos e da previsão meteorológica recente, bem como calcular a evapotranspiração. As informações, armazenadas em um banco de dados espacial, contemplam as variáveis de entrada necessárias ao modelo de predição de matéria seca (MS) de pasto, proposto em trabalho anterior, baseado em uma rede neural convolucional do tipo Long Short-Term Memory (LSTM). Os resultados evidenciam que a inclusão do cálculo automático da evapotranspiração, com auxílio do Pacote PyEto, apresenta uma acurácia adequada em comparação com o processo manual anteriormente adotado, sendo também verificada a capacidade do sistema para obter e processar os dados de previsão meteorológica de diferentes órgãos, predizendo com diferentes níveis de acurácia a oferta de MS com horizonte de quinze dias.
650 $aAgricultura de Precisão
650 $aPastejo
650 $aPecuária
650 $aProdutividade
700 1 $aPEREZ, N. B.
700 1 $aPÍNHO, L. B. de
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Pecuária Sul (CPPSUL) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
