| |
|
|
| Registros recuperados : 178 | |
| 161. |  | RODRIGUES, C. da S.; PINHEIRO, J. B.; SUINAGA, F. A.; PEREIRA, R. B.; CARVALHO, A. D. F. de. Seleção preliminar de cultivares de alface para resistência ao nematoide-das-galhas. Horticultura Brasileira, Brasília, DF, v. 30, n. 2, p. S2048-S2054, jul. 2012. Suplemento. Trabalho apresentado no 52. Congresso Brasileiro de Olericultura, Salvador, 2012.| Biblioteca(s): Embrapa Hortaliças. |
|    |
| 162. | | PEREIRA, R. B.; TORRES, T. B.; SILVA, P. P. da; LUCAS, G. C.; PINHEIRO, J. B.; NASCIMENTO, W. M. Use of water restriction in the inoculation of carrot seeds. Journal of Seed Science, v. 41, n. 4, p. 416-422, 2019.| Biblioteca(s): Embrapa Hortaliças. |
| |
| 163. | | FERNANDES, L. H. M.; RESENDE, M. L. de; PEREIRA, R. B.; COSTA, B. H. G.; MONTEIRO, A. C. A.; RIBEIRO JÚNIOR, P. M. Acibenzolar-s-metil no controle da ferrugem e da cercosporiose do cafeeiro em condições de campo. Coffee Science, Lavras, v. 8, n. 1, p. 24-32, jan./mar. 2013.| Biblioteca(s): Embrapa Hortaliças. |
| |
| 164. | | CAVALCANTI, F. R.; RESENDE, M. L. V. de; PEREIRA, R. B.; COSTA, J. de C. do B.; CARVALHO, C. P. da S. Atividades de quitinase e beta-1,3-glucanase após eliciação das defesas do tomateiro contra a mancha-bacteriana. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 41, n. 12, p. 1721-1730, dez. 2006 Título em inglês: Chitinase and beta-1,3-glucanase activities after the elicitation of tomato defenses against bacterial spot.| Biblioteca(s): Embrapa Unidades Centrais. |
| |
| 165. | | CAVALCANTI, F. R.; RESENDE, M. L. V. de; PEREIRA, R. B.; COSTA, J. de C. do B.; CARVALHO, C. P. da S. Atividades de uintinase e beta-1,3-glucanase após eliciação das defesas do tomateiro contra a mancha-bacteriana. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 41, n. 12, p. 1721-1730, dez. 2006.| Biblioteca(s): Embrapa Hortaliças. |
|  |
| 167. | | INOUE-NAGATA, A. K.; LOPES, C. A.; REIS, A.; PEREIRA, R. B.; QUEZADO-DUVAL, A. M.; PINHEIRO, J. B.; LIMA, M. F. Doenças do tomateiro. In: AMORIM, L.; REZENDE, J. A. M.; BERGAMIN FILHO, A.; CAMARGO, L. E A. (Ed.). Manual de fitopatologia. 5. ed. Ouro Fino: Agronômica Ceres, 2016. v. 2 . Cap. 70. p. 697-731.| Biblioteca(s): Embrapa Hortaliças. |
| |
| 168. | | CARVALHO, A. D. F. de; RESENDE, F. V.; SILVA, G. O. da; PINHEIRO, J. B.; PEREIRA, R. B.; NASCIMENTO, W. M.; PILON, L. BRS Paranoá: carrot for organic production systems. Horticultura Brasileira, v. 40, n. 238-241, Apr./June 2022.| Biblioteca(s): Embrapa Hortaliças. |
| |
| 169. | | PINHEIRO, J. B.; CARVAL, A. D. F. de; RODRIGUES, C. da S.; CRUZ, E. M.; PEREIRA, R. B.; VIEIRA, J. V. Establishment of (Daucus carota L.) carrot populations in areas naturally infested bu root-knot nematodes. In: INTERNATIONAL SYMPOSIUM ON SEED, TRANSPLANT AND STAND ESTABLISHMENT OS HORTICULTURAL CROPS: SOWING THE FUTURE OF TROPICAL HORTICULTURE, 6., 2012, Brasília, DF. Abstracts... Brasília, DF: Embrapa, 2012. p. 51 Abstract 57.| Biblioteca(s): Embrapa Hortaliças. |
| |
| 170. | | PINHEIRO, J. B.; BOITEUX, L. S.; ALMEIDA, M. R. A.; PEREIRA, R. B.; GALHARDO, L. C. S.; CARNEIRO, R. M. D. G. First report of Meloidogyne enterolobii in Capsicum rootstocks carrying the Me1 AND Me3/Me7 genes in Central Brazil. Nematropica, Bradenton, v. 45, n. 2, 184-188, 2015.| Biblioteca(s): Embrapa Hortaliças; Embrapa Recursos Genéticos e Biotecnologia. |
| |
| 171. | | LIMA, C. L. R.; PILLON, C. N.; SUZUKI, L. E. A. S.; CRUZ, L. E. C.; DUPONT, P. B.; PEREIRA, R. B. Parâmetros físicos críticos ao desenvolvimento de plantas em um planossolo Háplico. In: CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 31., 2007, Gramado. Conquistas & desafios da ciência do solo brasileira: anais... Porto Alegre: UFRGS: SBCS, 2007. 1 CD-ROM. 5 p.| Biblioteca(s): Embrapa Clima Temperado. |
| |
| 172. | | PINHEIRO, J. B.; RODRIGUES, C. da S.; PEREIRA, R. B.; AMARO, G. B.; OLIVEIRA, V. R.; CARVALHO, A. D. F. de. Reação de cucurbitáceas a Meloidogyne incognita raça 1. In: CONGRESSO BRASILEIRO DE MELHORAMENTO DE PLANTAS, 7., 2013, Uberlândia. Variedade melhorada: a força da nossa agricultura: anais. Viçosa, MG: SBMP, 2013. p. 952-955.| Biblioteca(s): Embrapa Hortaliças. |
| |
| 173. | | MELO, R. A. de C. e; VENDRAME, L. P. de C.; SILVA, G. O. da; AMARO, G. B.; PILON, L.; GUIMARAES, J. A.; PINHEIRO, J. B.; PEREIRA, R. B. BRS Anembé: nova cultivar de batata-doce de polpa roxa, rica em antioxidantes. Brasília, DF: Embrapa Hortaliças, 2021. 14 p. (Embrapa Hortaliças. Comunicado técnico, 130).| Biblioteca(s): Embrapa Hortaliças. |
| |
| 174. | | VENDRAME, L. P. de C.; MELO, R. A. de C. e; SILVA, G. O. da; AMARO, G. B.; PILON, L.; GUIMARAES, J. A.; PINHEIRO, J. B.; PEREIRA, R. B. BRS Cotinga: nova cultivar de batata-doce de polpa roxa para processamento industrial - produtiva, com ampla adaptabilidade e rica em antioxidantes. Brasília, DF: Embrapa Hortaliças, 2022. (Embrapa Hortaliças. Circular técnica, 177)| Biblioteca(s): Embrapa Hortaliças. |
| |
| 175. | | GUIMARAES, J. A.; GUEDES, I. M. R.; SILVA, J. da; MOURA, A. P. de; PEREIRA, R. B.; PINHEIRO, J. B.; LANA, M. M.; BRAGA, M. B.; MALDONADE, I. R.; LOPES, C. A.; PEDROSO, M. T. M. Normas técnicas e documentos de acompanhamento da produção integrada de folhosas, inflorescências e condimentares (PIFIC). Brasília, DF: Embrapa Hortaliças, 2022. 113 p. (Embrapa Hortaliças. Documentos, 191). ODS-12| Biblioteca(s): Embrapa Hortaliças. |
| |
| 176. | | GUIMARAES, J. A.; MOURA, A. P. de; PEREIRA, R. B.; PINHEIRO, J. B.; SILVA, J. da; LANA, M. M.; BRAGA, M. B.; MALDONADE, I. R.; RAGASSI, C. F.; LOPES, C. A.; VILELA, N. J.; LIMA, M. F. Normas técnicas e documentos de acompanhamento da produção integrada de pimentão. Brasília, DF: Embrapa Hortaliças, 2018. 92 p. (Embrapa Hortaliças. Documentos, 162). Colaboradores: Fabiano Ibraim Regis Carvalho, Antonio Dantas Costa Junior, Claudia Silva da Costa Ribeiro e Sabrina Isabel Costa de Carvalho.| Biblioteca(s): Embrapa Hortaliças. |
| |
| 177. | | MADEIRA, N. R.; CARVALHO, A. D. F. de; SILVA, G. O. da; PINHEIRO, J. B.; PEREIRA, R. B.; MICHEREFF FILHO, M.; FELDBERG, N. P.; MOREIRA, S. O.; SILVEIRA, G. S. R.; CÁSSIA, R. M. Proposição de um sistema de produção de mudas de mandioquinha-salsa. Brasília, DF: Embrapa Hortaliças, 2017. 24 p. il. color. (Embrapa Hortaliças. Circular Técnica, 161).| Biblioteca(s): Embrapa Hortaliças. |
| |
| 178. | | FERNANDES, A. M.; MELLO, A. F. S.; MOURA, A. P. de; LOPES, C. A.; ECHER, F. R.; SANTOS, F. H. C. dos; AMARO, G. B.; SILVA, G. O. da; GUEDES, I. M. R.; PINHEIRO, J. B.; GUIMARAES, J. A.; SILVA, J. da; VENDRAME, L. P. de C.; PILON, L.; JORGE, M. H. A.; BRAGA, M. B.; MELO, R. A. de C. e; PEREIRA, R. B. Sistema de produção de batata-doce. Brasília, DF: Embrapa Hortaliças, 2021. 66 p. (Embrapa Hortaliças. Sistema de produção, 9). Versão Eletrônica.| Biblioteca(s): Embrapa Hortaliças. |
| |
| Registros recuperados : 178 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Agrossilvipastoril. |
|
Data corrente: |
10/01/2022 |
|
Data da última atualização: |
10/01/2022 |
|
Tipo da produção científica: |
Resumo em Anais de Congresso |
|
Autoria: |
SANTOS, E. F. dos; LOPES, L. B.; VENDRUSCULO, L. G. |
|
Afiliação: |
ELTON FERNANDES DOS SANTOS, UFMT, Sinop-MT; LUCIANO BASTOS LOPES, CPAMT; LAURIMAR GONCALVES VENDRUSCULO, CNPTIA. |
|
Título: |
Segmentação de alvos de interesse em semicarcaças bovinas utilizando classificadores computacionais. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
In: ENCONTRO DE CIÊNCIA E TECNOLOGIAS AGROSSUSTENTÁVEIS, 5.; JORNADA CIENTÍFICA DA EMBRAPA AGROSSILVIPASTORIL, 10., 2021. Sinop. Resumos... Brasília, DF: Embrapa, 2021. p. 58. |
|
Idioma: |
Português |
|
Conteúdo: |
O conhecimento da composição corporal em carcaças contribui para a avaliação do desempenho animal e tem forte impacto na rentabilidade do produtor. O objetivo deste trabalho foi avaliar dois métodos computacionais para a segmentação de imagens RGB de semicarcaças bovinas visando identificar quais pixels representam os alvos de interesse. São eles: gordura, carne ou tecido conjuntivo. Para tal objetivo, foram comparados dois classificadores: uma máquina de vetor de suporte (SVM) e uma rede neural (RNA). Foram utilizadas 618 imagens de semicarcaças, coletadas no primeiro semestre de 2021 em um frigorífico localizado em Sinop, MT. Ambos os modelos utilizaram uma janela deslizante na imagem. Visando confrontar os resultados do modelo SVM de RNA usados para a segmentação dos alvos, foram calculadas os seguintes parâmetros de acurácia: precisão, recuperação e F-1 score. A precisão e recuperação são importantes para avaliar modelos de classificação pois fornece uma métrica individual por classe. A precisão é a capacidade do modelo de não classificar como positiva uma amostra negativa, já a recuperação é a capacidade do modelo em encontrar todas as amostras positivas. O F-1 score é uma média harmônica ponderada entre a precisão e a recuperação. Os resultados mostraram que a precisão nos modelos SVM e RNA para o alvo carne alcançaram um valor ótimo de 1, ou seja, o modelo classificou corretamente todos os pixeis em suas verdadeiras classes de alvos. A recuperação obteve um valor melhor no RNA (0,98) para a carne em relação ao RNA (0,80). Para o F1-score todos os valores referentes aos dois classificadores alcançaram valores satisfatórios superiores a 0,9 referente aos alvos gordura, carne e tecido. Ou seja, o nível de classificação incorreta do pixel foi baixa. Os modelos SVM e RNA apresentaram nível de concordância ótimo, próximo a 1. De uma forma geral os dois métodos apresentaram segmentação dos três alvos de interesse de forma satisfatória. Planeja-se comparar os valores obtidos com validações de especialistas. MenosO conhecimento da composição corporal em carcaças contribui para a avaliação do desempenho animal e tem forte impacto na rentabilidade do produtor. O objetivo deste trabalho foi avaliar dois métodos computacionais para a segmentação de imagens RGB de semicarcaças bovinas visando identificar quais pixels representam os alvos de interesse. São eles: gordura, carne ou tecido conjuntivo. Para tal objetivo, foram comparados dois classificadores: uma máquina de vetor de suporte (SVM) e uma rede neural (RNA). Foram utilizadas 618 imagens de semicarcaças, coletadas no primeiro semestre de 2021 em um frigorífico localizado em Sinop, MT. Ambos os modelos utilizaram uma janela deslizante na imagem. Visando confrontar os resultados do modelo SVM de RNA usados para a segmentação dos alvos, foram calculadas os seguintes parâmetros de acurácia: precisão, recuperação e F-1 score. A precisão e recuperação são importantes para avaliar modelos de classificação pois fornece uma métrica individual por classe. A precisão é a capacidade do modelo de não classificar como positiva uma amostra negativa, já a recuperação é a capacidade do modelo em encontrar todas as amostras positivas. O F-1 score é uma média harmônica ponderada entre a precisão e a recuperação. Os resultados mostraram que a precisão nos modelos SVM e RNA para o alvo carne alcançaram um valor ótimo de 1, ou seja, o modelo classificou corretamente todos os pixeis em suas verdadeiras classes de alvos. A recuperação obteve um valor melh... Mostrar Tudo |
|
Palavras-Chave: |
Classificador computacional; Máquina de vetor de suporte; Processamento de dados; Rede neural; Semicarcaça; Sinop-MT; SVM. |
|
Thesagro: |
Bovinocultura; Carcaça; RNA. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/230151/1/2021-cpamt-lbl-segmentacao-alvo-interesse-semicarcaca-bovino-classificacao-computacional-p-58.pdf
|
|
Marc: |
LEADER 02991nam a2200253 a 4500
001 2138979
005 2022-01-10
008 2021 bl uuuu u00u1 u #d
100 1 $aSANTOS, E. F. dos
245 $aSegmentação de alvos de interesse em semicarcaças bovinas utilizando classificadores computacionais.$h[electronic resource]
260 $aIn: ENCONTRO DE CIÊNCIA E TECNOLOGIAS AGROSSUSTENTÁVEIS, 5.; JORNADA CIENTÍFICA DA EMBRAPA AGROSSILVIPASTORIL, 10., 2021. Sinop. Resumos... Brasília, DF: Embrapa, 2021. p. 58.$c2021
520 $aO conhecimento da composição corporal em carcaças contribui para a avaliação do desempenho animal e tem forte impacto na rentabilidade do produtor. O objetivo deste trabalho foi avaliar dois métodos computacionais para a segmentação de imagens RGB de semicarcaças bovinas visando identificar quais pixels representam os alvos de interesse. São eles: gordura, carne ou tecido conjuntivo. Para tal objetivo, foram comparados dois classificadores: uma máquina de vetor de suporte (SVM) e uma rede neural (RNA). Foram utilizadas 618 imagens de semicarcaças, coletadas no primeiro semestre de 2021 em um frigorífico localizado em Sinop, MT. Ambos os modelos utilizaram uma janela deslizante na imagem. Visando confrontar os resultados do modelo SVM de RNA usados para a segmentação dos alvos, foram calculadas os seguintes parâmetros de acurácia: precisão, recuperação e F-1 score. A precisão e recuperação são importantes para avaliar modelos de classificação pois fornece uma métrica individual por classe. A precisão é a capacidade do modelo de não classificar como positiva uma amostra negativa, já a recuperação é a capacidade do modelo em encontrar todas as amostras positivas. O F-1 score é uma média harmônica ponderada entre a precisão e a recuperação. Os resultados mostraram que a precisão nos modelos SVM e RNA para o alvo carne alcançaram um valor ótimo de 1, ou seja, o modelo classificou corretamente todos os pixeis em suas verdadeiras classes de alvos. A recuperação obteve um valor melhor no RNA (0,98) para a carne em relação ao RNA (0,80). Para o F1-score todos os valores referentes aos dois classificadores alcançaram valores satisfatórios superiores a 0,9 referente aos alvos gordura, carne e tecido. Ou seja, o nível de classificação incorreta do pixel foi baixa. Os modelos SVM e RNA apresentaram nível de concordância ótimo, próximo a 1. De uma forma geral os dois métodos apresentaram segmentação dos três alvos de interesse de forma satisfatória. Planeja-se comparar os valores obtidos com validações de especialistas.
650 $aBovinocultura
650 $aCarcaça
650 $aRNA
653 $aClassificador computacional
653 $aMáquina de vetor de suporte
653 $aProcessamento de dados
653 $aRede neural
653 $aSemicarcaça
653 $aSinop-MT
653 $aSVM
700 1 $aLOPES, L. B.
700 1 $aVENDRUSCULO, L. G.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agrossilvipastoril (CPAMT) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
