| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Amazônia Oriental. |
|
Data corrente: |
30/09/2016 |
|
Data da última atualização: |
25/11/2016 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
SOUZA, S. B. P.; LAMEIRA, O. A.; ASSIS, R. M. A. de; MOURA, R. C.; ALMEIDA, L. da S. S. de; FERNANDES, V. S. |
|
Afiliação: |
Samara Bianca Pereira Souza, GRADUANDA Estácio-Faculdade de Castanhal; OSMAR ALVES LAMEIRA, CPATU; Rafael Marlon Alves de Assis, GRADUANDO UFRA; Raíssa Couteiro Moura, GRADUANDA UFPA; Lorena da Silva Souza de Almeida, GRADUANDA Estácio-Faculdade de Castanhal; Vanessa Santos Fernandes, GRADUANDA Estácio-Faculdade de Castanhal. |
|
Título: |
Aspectos fenológicos do ajirú, Chrysobalanus icaco L. (Chrysobalanaceae). |
|
Ano de publicação: |
2016 |
|
Fonte/Imprenta: |
In: SEMINÁRIO DE INICIAÇÃO CIENTÍFICA, 20.; SEMINÁRIO DE PÓS-GRADUAÇÃO DA EMBRAPA AMAZÔNIA ORIENTAL, 4., 2016, Belém, PA. Anais. Belém, PA: Embrapa Amazônia Oriental, 2016. |
|
Páginas: |
p. 150-153. |
|
Idioma: |
Português |
|
Conteúdo: |
Chrysobalanus icaco L. é um vegetal pertencente à família Chrysobalanaceae, conhecida popularmente como guajuru, guajiru, ariu, abajiru e ajirú. É utilizada na medicina popular com atividades, como o aumento da taxa glicêmica (diabetes), sendo que também está ligada a fitopatologia de doenças crônicas, infecção urinária ou pedra nos rins. O conhecimento do comportamento fenológico, no caso da floração e frutificação das plantas norteiam estudos para a utilização desse vegetal como matéria-prima para obtenção de derivados e usos medicinais. Sendo assim, o objetivo deste estudo foi avaliar o período de floração e frutificação do ajirú (Chrysobalanus icaco L.), visando identificar o melhor período para a coleta e utilização das folhas. Os valores de precipitação pluviométrica foram fornecidos pelo Instituto Nacional de Meteorologia (INMET), utilizando-se a média acumulada mensal para o período estudado. Para as observações fenológicas foram selecionados 7 indivíduos de ajirú, onde ocorreu floração e frutificação durante todos os meses do ano, exceto nos meses de maio e junho. Na floração, as menores médias de dias foram observadas nos meses de abril, junho e agosto com 3,2; 3,5 e 4 dias respectivamente, já na frutificação as maiores médias de número de dias foram verificadas nos meses de outubro, dezembro e janeiro com 14; 12,8 e 12 dias, respectivamente. O período de precipitação pluviométrica influenciou as fenofases da planta estudada. |
|
Palavras-Chave: |
Precipitação pluviométrica. |
|
Thesagro: |
Floração; Frutificação. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/148062/1/Pibic2016-p150.pdf
|
|
Marc: |
LEADER 02303nam a2200217 a 4500
001 2053840
005 2016-11-25
008 2016 bl uuuu u00u1 u #d
100 1 $aSOUZA, S. B. P.
245 $aAspectos fenológicos do ajirú, Chrysobalanus icaco L. (Chrysobalanaceae).$h[electronic resource]
260 $aIn: SEMINÁRIO DE INICIAÇÃO CIENTÍFICA, 20.; SEMINÁRIO DE PÓS-GRADUAÇÃO DA EMBRAPA AMAZÔNIA ORIENTAL, 4., 2016, Belém, PA. Anais. Belém, PA: Embrapa Amazônia Oriental$c2016
300 $ap. 150-153.
520 $aChrysobalanus icaco L. é um vegetal pertencente à família Chrysobalanaceae, conhecida popularmente como guajuru, guajiru, ariu, abajiru e ajirú. É utilizada na medicina popular com atividades, como o aumento da taxa glicêmica (diabetes), sendo que também está ligada a fitopatologia de doenças crônicas, infecção urinária ou pedra nos rins. O conhecimento do comportamento fenológico, no caso da floração e frutificação das plantas norteiam estudos para a utilização desse vegetal como matéria-prima para obtenção de derivados e usos medicinais. Sendo assim, o objetivo deste estudo foi avaliar o período de floração e frutificação do ajirú (Chrysobalanus icaco L.), visando identificar o melhor período para a coleta e utilização das folhas. Os valores de precipitação pluviométrica foram fornecidos pelo Instituto Nacional de Meteorologia (INMET), utilizando-se a média acumulada mensal para o período estudado. Para as observações fenológicas foram selecionados 7 indivíduos de ajirú, onde ocorreu floração e frutificação durante todos os meses do ano, exceto nos meses de maio e junho. Na floração, as menores médias de dias foram observadas nos meses de abril, junho e agosto com 3,2; 3,5 e 4 dias respectivamente, já na frutificação as maiores médias de número de dias foram verificadas nos meses de outubro, dezembro e janeiro com 14; 12,8 e 12 dias, respectivamente. O período de precipitação pluviométrica influenciou as fenofases da planta estudada.
650 $aFloração
650 $aFrutificação
653 $aPrecipitação pluviométrica
700 1 $aLAMEIRA, O. A.
700 1 $aASSIS, R. M. A. de
700 1 $aMOURA, R. C.
700 1 $aALMEIDA, L. da S. S. de
700 1 $aFERNANDES, V. S.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Amazônia Oriental (CPATU) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
26/09/2023 |
|
Data da última atualização: |
03/10/2023 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
LIMA, J. P. N.; SPERANZA, E. A.; BARBOSA, L. A. F.; CANÇADO, G. M. de A.; YANO, I. H. |
|
Afiliação: |
JOÃO PEDRO NASCIMENTO DE LIMA, ANHANGUERA EDUCACIONAL; EDUARDO ANTONIO SPERANZA, CNPTIA; LUIZ ANTONIO FALAGUASTA BARBOSA, CNPTIA; GERALDO MAGELA DE ALMEIDA CANCADO, CNPTIA; INACIO HENRIQUE YANO, CNPTIA. |
|
Título: |
Identificação de falhas de plantio em lavouras de cana-de-açúcar. |
|
Ano de publicação: |
2022 |
|
Fonte/Imprenta: |
In: ENCONTRO DE GESTÃO E TECNOLOGIA DA FACULDADE DE TECNOLOGIA DA ZONA LESTE, 5., 2022, São Paulo. Anais [...]. São Paulo: ENGETEC, 2022. |
|
Páginas: |
12 p. |
|
ISSN: |
2675-4479 |
|
Idioma: |
Português |
|
Notas: |
Coordenação permanente de Celio Daroncho, Luciano Francisco de Oliveira, João Roberto Maiellaro. |
|
Conteúdo: |
Resumo: A presença de falhas de plantio está entre os maiores motivos para quebra de produção da cana-de-açúcar, sendo que em alguns casos é necessário proceder-se o replantio das áreas afetadas. Sendo importante, portanto, identificar tais áreas, tanto para o replantio, como também, para estimativa da produtividade da lavoura. As falhas podem ser ocasionadas por pisoteios nas linhas de cultivo, por maquinários descalibrados durante as operações de colheita, entre outros fatores. Considera-se como falhas de plantio, no caso específico da cana-de-açúcar, espaços entre plantas maiores que 50 cm, porque a partir desse tamanho passariam a interferir na produtividade da lavoura. Como as lavouras de cana-de-açúcar permitem vários cortes, antes que se faça a reforma do canavial, momento em que se faz novo plantio, as falhas acabam por afetar a produtividade da cana-de-açúcar por vários anos, podendo, por isso, causar grandes prejuízos econômicos. Assim existem diversos trabalhos sendo desenvolvidos para a identificação e mapeamento das falhas por meio de análises de imagens de aeronaves remotamente pilotadas (arps), com o intuito de se evitar o processo custoso e demorado de procedimentos manuais. Dentre os métodos para identificação de objetos por processamento de imagens estão as técnicas de aprendizado de máquina. Este trabalho tem como objetivo a identificação de falhas de plantio em lavouras de cana-de-açúcar em imagens capturadas por arps e foi realizado com a rede neural Yolov5, que é uma rede de aprendizado profundo bastante difundida e de fácil utilização. -- Abstract: The presence of planting failures is among the biggest reasons for the drop in sugarcane production, and in some cases, it is necessary to replant the affected areas. Therefore, it is valuable to identify such areas. to aid in replanting and estimating crop productivity reasons. Failures can be caused by trampling on crop lines and uncalibrated machinery during harvesting operations, among other factors. To be considered sugarcane planting failure, the spaces between plants should be larger than 50 cm. Because of that size, they would interfere with crop productivity. as sugarcane is a semi-perennial crop, the failures affect the sugarcane productivity for several years and may cause several economic damages. Thus, several works were developed for planting failure identification using remote piloted aircraft (rpa) imagery to avoid costly and time-consuming manual procedures. Among the methods for identifying objects by image processing are machine learning techniques. This work aims to identify planting failures in sugarcane crops in images captured by rpas. we used the Yolov5 neural network. This network is a widespread and easy-to-use deep learning network. MenosResumo: A presença de falhas de plantio está entre os maiores motivos para quebra de produção da cana-de-açúcar, sendo que em alguns casos é necessário proceder-se o replantio das áreas afetadas. Sendo importante, portanto, identificar tais áreas, tanto para o replantio, como também, para estimativa da produtividade da lavoura. As falhas podem ser ocasionadas por pisoteios nas linhas de cultivo, por maquinários descalibrados durante as operações de colheita, entre outros fatores. Considera-se como falhas de plantio, no caso específico da cana-de-açúcar, espaços entre plantas maiores que 50 cm, porque a partir desse tamanho passariam a interferir na produtividade da lavoura. Como as lavouras de cana-de-açúcar permitem vários cortes, antes que se faça a reforma do canavial, momento em que se faz novo plantio, as falhas acabam por afetar a produtividade da cana-de-açúcar por vários anos, podendo, por isso, causar grandes prejuízos econômicos. Assim existem diversos trabalhos sendo desenvolvidos para a identificação e mapeamento das falhas por meio de análises de imagens de aeronaves remotamente pilotadas (arps), com o intuito de se evitar o processo custoso e demorado de procedimentos manuais. Dentre os métodos para identificação de objetos por processamento de imagens estão as técnicas de aprendizado de máquina. Este trabalho tem como objetivo a identificação de falhas de plantio em lavouras de cana-de-açúcar em imagens capturadas por arps e foi realizado com a rede neural Yol... Mostrar Tudo |
|
Palavras-Chave: |
Aprendizado de máquina; Image processing; Machine learning; Processamento de imagem; YOLOv5. |
|
Thesagro: |
Cana de Açúcar. |
|
Thesaurus NAL: |
Image analysis; Sugarcane. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1156895/1/PC-Identificacao-falhas-EnGeTec.pdf
|
|
Marc: |
LEADER 03809nam a2200289 a 4500
001 2156895
005 2023-10-03
008 2022 bl uuuu u00u1 u #d
022 $a2675-4479
100 1 $aLIMA, J. P. N.
245 $aIdentificação de falhas de plantio em lavouras de cana-de-açúcar.$h[electronic resource]
260 $aIn: ENCONTRO DE GESTÃO E TECNOLOGIA DA FACULDADE DE TECNOLOGIA DA ZONA LESTE, 5., 2022, São Paulo. Anais [...]. São Paulo: ENGETEC$c2022
300 $a12 p.
500 $aCoordenação permanente de Celio Daroncho, Luciano Francisco de Oliveira, João Roberto Maiellaro.
520 $aResumo: A presença de falhas de plantio está entre os maiores motivos para quebra de produção da cana-de-açúcar, sendo que em alguns casos é necessário proceder-se o replantio das áreas afetadas. Sendo importante, portanto, identificar tais áreas, tanto para o replantio, como também, para estimativa da produtividade da lavoura. As falhas podem ser ocasionadas por pisoteios nas linhas de cultivo, por maquinários descalibrados durante as operações de colheita, entre outros fatores. Considera-se como falhas de plantio, no caso específico da cana-de-açúcar, espaços entre plantas maiores que 50 cm, porque a partir desse tamanho passariam a interferir na produtividade da lavoura. Como as lavouras de cana-de-açúcar permitem vários cortes, antes que se faça a reforma do canavial, momento em que se faz novo plantio, as falhas acabam por afetar a produtividade da cana-de-açúcar por vários anos, podendo, por isso, causar grandes prejuízos econômicos. Assim existem diversos trabalhos sendo desenvolvidos para a identificação e mapeamento das falhas por meio de análises de imagens de aeronaves remotamente pilotadas (arps), com o intuito de se evitar o processo custoso e demorado de procedimentos manuais. Dentre os métodos para identificação de objetos por processamento de imagens estão as técnicas de aprendizado de máquina. Este trabalho tem como objetivo a identificação de falhas de plantio em lavouras de cana-de-açúcar em imagens capturadas por arps e foi realizado com a rede neural Yolov5, que é uma rede de aprendizado profundo bastante difundida e de fácil utilização. -- Abstract: The presence of planting failures is among the biggest reasons for the drop in sugarcane production, and in some cases, it is necessary to replant the affected areas. Therefore, it is valuable to identify such areas. to aid in replanting and estimating crop productivity reasons. Failures can be caused by trampling on crop lines and uncalibrated machinery during harvesting operations, among other factors. To be considered sugarcane planting failure, the spaces between plants should be larger than 50 cm. Because of that size, they would interfere with crop productivity. as sugarcane is a semi-perennial crop, the failures affect the sugarcane productivity for several years and may cause several economic damages. Thus, several works were developed for planting failure identification using remote piloted aircraft (rpa) imagery to avoid costly and time-consuming manual procedures. Among the methods for identifying objects by image processing are machine learning techniques. This work aims to identify planting failures in sugarcane crops in images captured by rpas. we used the Yolov5 neural network. This network is a widespread and easy-to-use deep learning network.
650 $aImage analysis
650 $aSugarcane
650 $aCana de Açúcar
653 $aAprendizado de máquina
653 $aImage processing
653 $aMachine learning
653 $aProcessamento de imagem
653 $aYOLOv5
700 1 $aSPERANZA, E. A.
700 1 $aBARBOSA, L. A. F.
700 1 $aCANÇADO, G. M. de A.
700 1 $aYANO, I. H.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
