| |
|
|
| Registros recuperados : 98 | |
| 9. |  | ARAÚJO, K. S.; SILVA, H. S. A.; PEIXOTO, C. C.; TRINDADE, A. V.; RAMOS, E. M. Biocontrole do nematoide cavernícola da bananeira e promoção do crescimento por rizobactérias. In: REUNIÃO ANUAL DE CIÊNCIA, TECNOLOGIA, INOVAÇÃO E CULTURA NO RECÔNCAVO DA BAHIA - RECITEC RECÔNCAVO. 1., 2011, Cruz das Almas. Anais... Cruz das Almas: Universidade Federal do Recôncavo da Bahia, 2011. 1 CD-ROM. 2 p. Em paralelo aconteceram também os seguintes eventos: V Seminário de Pesquisa do Recôncavo da Bahia; V Seminário Estudantil de Pesquisa da UFRB; V Seminário da Pós-Graduação da UFRB; II Seminário Regional de Pesquisa da EBDA; 5ª Jornada...| Biblioteca(s): Embrapa Mandioca e Fruticultura. |
|    |
| 13. | | PORTO, M. L.; LONGHI, H. M.; CITADINI, V.; RAMOS, R. F.; MARIATH, J. E. de A. Levantamento fitossociológico em área de "mata-de-baixio" na estação experimental de Silvacultura tropical - IMPA - Manaus, Amazonas. Acta Amazonica, Manaus, v. 6, n. 3, p. 301-318, 1976.| Biblioteca(s): Embrapa Florestas. |
| |
| 16. | | ANJOS, L. H. C. dos; PEREIRA, M. G.; PEREZ, D. V.; RAMOS, D. P. Caracterização e classificação de plintossolos no município de Pinheiro-MA. Revista Brasileira de Ciência do Solo, Viçosa, MG, v. 31, n. 5, p. 1035-1044, set./out. 2007.| Biblioteca(s): Embrapa Solos. |
|  |
| 18. | | ROSSI, C.; FAQUIN, V.; RAMOS, A. A.; LIMA, H. N.; PASSOS, R. R.; MARQUES, E. S. Niveis de adubacao NPK para o milho e feijao em experimentos de casa de vegetacao: I. producao de materia seca. IN: REUNIAO BRASILEIRA DE FERTILIDADE DO SOLO E NUTRICAO DE PLANTAS, 21. Petrolina, PE, 1994. Anais. Petrolina: EMBRAPA-CPATSA / SBCS, 1994. p. 293-294| Biblioteca(s): Embrapa Tabuleiros Costeiros. |
| |
| 19. | | PIRES, M. V.; RAMOS, A. R.; GANDER, E. S.; MARCELLINO, L. H. Construção de um vetor para estudo do promotor do gene "OPAQUE-2-LIKE" de milheto. In: ENCONTRO DO TALENTO ESTUDANTIL DA EMBRAPA RECURSOS GENÉTICOS E BIOTECNOLOGIA, 9., 2004, Brasília, DF. Anais: resumos dos trabalhos. Brasília, DF: Embrapa Recursos Genéticos e Biotecnologia, 2004. p. 56.| Biblioteca(s): Embrapa Recursos Genéticos e Biotecnologia. |
| |
| Registros recuperados : 98 | |
|
|
|
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 |
|
Circulação/Nível: |
B - 3 |
|
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 |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
