| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Gado de Corte. Para informações adicionais entre em contato com biblioteca@embrapa.br. |
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Gado de Corte. |
|
Data corrente: |
17/10/2023 |
|
Data da última atualização: |
17/10/2023 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
RODRIGUES, L. de S.; CAIXETA FILHO, E.; SAKIYAMA, K.; SANTOS, M. F.; JANK, L.; CARROMEU, C.; SILVEIRA, E.; MATSUBARA, E. T.; MARCATO JUNIOR, J.; GONCALVES, W. N. |
|
Afiliação: |
LUCAS DE SOUZA RODRIGUES, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL; EDMAR CAIXETA FILHO, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL; KENZO SAKIYAMA, UNIVERSIDADE DE SÃO PAULO; MATEUS FIGUEIREDO SANTOS, CNPGC; LIANA JANK, CNPGC; CAMILO CARROMEU, GTI; ELOISE SILVEIRA, CNPGC; EDSON TAKASHI MATSUBARA, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL; JOSÉ MARCATO JUNIOR, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL; WESLEY NUNES GONCALVES, UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL. |
|
Título: |
Deep4Fusion: a Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits. |
|
Ano de publicação: |
2023 |
|
Fonte/Imprenta: |
Computers and Electronics in Agriculture, v. 211, 2023. |
|
Páginas: |
14 p. |
|
DOI: |
https://doi.org/10.1016/j.compag.2023.107957 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Deep learning methods have become one of the fundamental blocks of high-throughput phenotyping using RGB imagery. In this study, we go beyond applying deep learning algorithms; we improve deep learning models using a multi-view fusion approach. The proposal dynamically merges information from two deep-learning models. We evaluate this approach to improve the estimation of total dry matter yield, leaf dry matter yield and total green matter yield of plots of Guineagrass, an important tropical forage species. The proposed approach, named Deep4Fusion fusion network, can be set to use two different deep learning models. The experimental results indicated that our approach improved the performance between 20% to 33% when compared with standard models reported in previous works, with a significant improvement (p-value < 0.05) for leaf dry matter and total dry matter yield. We believe that the flexibility of multi-view fusion in merging the predictions of several CNNs models through shared layers across the network has the potential to improve the results of many other single-view deep learning approaches. |
|
Thesaurus Nal: |
Forage dryers; Forage grasses; Forage yield; Phenotype. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 02021naa a2200301 a 4500
001 2157276
005 2023-10-17
008 2023 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1016/j.compag.2023.107957$2DOI
100 1 $aRODRIGUES, L. de S.
245 $aDeep4Fusion$ba Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits.$h[electronic resource]
260 $c2023
300 $a14 p.
520 $aDeep learning methods have become one of the fundamental blocks of high-throughput phenotyping using RGB imagery. In this study, we go beyond applying deep learning algorithms; we improve deep learning models using a multi-view fusion approach. The proposal dynamically merges information from two deep-learning models. We evaluate this approach to improve the estimation of total dry matter yield, leaf dry matter yield and total green matter yield of plots of Guineagrass, an important tropical forage species. The proposed approach, named Deep4Fusion fusion network, can be set to use two different deep learning models. The experimental results indicated that our approach improved the performance between 20% to 33% when compared with standard models reported in previous works, with a significant improvement (p-value < 0.05) for leaf dry matter and total dry matter yield. We believe that the flexibility of multi-view fusion in merging the predictions of several CNNs models through shared layers across the network has the potential to improve the results of many other single-view deep learning approaches.
650 $aForage dryers
650 $aForage grasses
650 $aForage yield
650 $aPhenotype
700 1 $aCAIXETA FILHO, E.
700 1 $aSAKIYAMA, K.
700 1 $aSANTOS, M. F.
700 1 $aJANK, L.
700 1 $aCARROMEU, C.
700 1 $aSILVEIRA, E.
700 1 $aMATSUBARA, E. T.
700 1 $aMARCATO JUNIOR, J.
700 1 $aGONCALVES, W. N.
773 $tComputers and Electronics in Agriculture$gv. 211, 2023.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Gado de Corte (CNPGC) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 8 | |
| 5. |  | SILVA, M. S. R. de A. da; TENÓRIO, J. de O.; OLIVEIRA, I. S. R. de; FARIA, S. M. de; JESUS, E. da C. Isolamento e caracterização genotípica de rizóbios de sombreiro ( Clitoria fairchildiana R. A. Howard). In: REUNIÃO BRASILEIRA DE FERTILIDADE DO SOLO E NUTRIÇÃO DE PLANTAS, 31.; REUNIÃO BRASILEIRA SOBRE MICORRIZAS, 15.; SIMPÓSIO BRASILEIRO DE MICROBIOLOGIA DO SOLO, 13.; REUNIÃO BRASILEIRA DE BIOLOGIA DO SOLO, 10., 2014, Araxá. Fertilidade e biologia do solo: integração e tecnologias para todos: anais. Araxá: Núcleo Regional Leste da Sociedade Brasileira de Ciência do Solo, 2014. FertBio 2014.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Agrobiologia. |
|    |
| 7. | | OLIVEIRA, I. S. R. de; JESUS, E. da C.; RIBEIRO, T. G.; SILVA, M. S. R. de A.; TENORIO, J. de O.; MARTINS, L. M. V.; CHAER, G. M.; FARIA, S. M. de. Estirpes de rizóbio indicadas para a inoculação de Mimosa caesalpiniifolia. Seropédica: Embrapa Agrobiologia, 2021. (Embrapa Agrobiologia Boletim de Pesquisa e Desenvolvimento, 106).| Tipo: Boletim de Pesquisa e Desenvolvimento |
| Biblioteca(s): Embrapa Agrobiologia. |
|  |
| 8. | | OLIVEIRA, I. S. R. de; JESUS, E. da C.; RIBEIRO, T. G.; SILVA, M. S. R. de A.; TENORIO, J. de O.; MARTINS, L. M. V.; FARIA, S. M. de. Mimosa caesalpiniifolia Benth. adapts to rhizobia populations with differential taxonomy and symbiotic effectiveness outside of its location of origin. FEMS Microbiology Ecology, v. 95, p. 1-10, 2019.| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Agrobiologia. |
| |
| Registros recuperados : 8 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
