| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Meio-Norte. Para informações adicionais entre em contato com cpamn.biblioteca@embrapa.br. |
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Meio-Norte. |
|
Data corrente: |
20/08/2020 |
|
Data da última atualização: |
21/08/2020 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
BELAY, G.; TESFAYE, K.; HAMWIEH, A.; AHMED, S.; DEJENE, T.; O JUNIOR, J. O. L. de. |
|
Afiliação: |
GASHAW BELAY, Amhara Agricultural Research Institute, Bahir Dar, Ethiopia; KASSAHUN TESFAYE, Institute of Biotechnology, Addis Ababa University; Ethiopian Biotechnology Institute (EBTi); ALADDIN HAMWIEH, International Center of Agricultural Research in the Dry Areas, Rabat, Morocco; SEID AHMED, International Center of Agricultural Research in the Dry Areas, Rabat, Morocco; TIEGIST DEJENE, College of Agriculture and Environmental Sciences, Bahir Dar University, Bahir Dar, Ethiopia; JOSE OSCAR LUSTOSA DE O JUNIOR, CPAMN. |
|
Título: |
Genetic diversity of Orobanche crenata populations in Ethiopia using microsatellite markers. |
|
Ano de publicação: |
2020 |
|
Fonte/Imprenta: |
International Journal of Genomics, Article Id. 3202037, 2020. |
|
Páginas: |
8 p. |
|
DOI: |
doi.org/10.1155/2020/3202037 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Orobanche crenata is a parasitic weed that causes considerable yield losses on food legumes in Ethiopia and the Mediterranean region. Understanding the genetic diversity of Orobanche crenata using molecular techniques generate useful information in managing the weed through resistance breeding. This study aimed at assessing the genetic diversity of O. crenata populations collected from major faba bean growing areas of Ethiopia. |
|
Palavras-Chave: |
Diversidade genética. |
|
Thesagro: |
Erva Daninha; Melhoramento Genético Vegetal. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
Marc: |
LEADER 01159naa a2200241 a 4500
001 2124462
005 2020-08-21
008 2020 bl uuuu u00u1 u #d
024 7 $adoi.org/10.1155/2020/3202037$2DOI
100 1 $aBELAY, G.
245 $aGenetic diversity of Orobanche crenata populations in Ethiopia using microsatellite markers.$h[electronic resource]
260 $c2020
300 $a8 p.
520 $aOrobanche crenata is a parasitic weed that causes considerable yield losses on food legumes in Ethiopia and the Mediterranean region. Understanding the genetic diversity of Orobanche crenata using molecular techniques generate useful information in managing the weed through resistance breeding. This study aimed at assessing the genetic diversity of O. crenata populations collected from major faba bean growing areas of Ethiopia.
650 $aErva Daninha
650 $aMelhoramento Genético Vegetal
653 $aDiversidade genética
700 1 $aTESFAYE, K.
700 1 $aHAMWIEH, A.
700 1 $aAHMED, S.
700 1 $aDEJENE, T.
700 1 $aO JUNIOR, J. O. L. de
773 $tInternational Journal of Genomics, Article Id. 3202037, 2020.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Meio-Norte (CPAMN) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Solos. |
|
Data corrente: |
28/04/2023 |
|
Data da última atualização: |
22/11/2023 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
VIEIRA, L. P.; SIMÕES, M.; FERRAZ, R. P. D.; RIBEIRO, J. A. |
|
Afiliação: |
LUAN PORTO VIEIRA, UNIVERSIDADE ESTADUAL DO RIO DE JANEIRO; MARGARETH GONCALVES SIMOES, CNPS; RODRIGO PECANHA DEMONTE FERRAZ, CNPS; JOÃO ARAÚJO RIBEIRO, UNIVERSIDADE ESTADUAL DO RIO DE JANEIRO. |
|
Título: |
Deep learning e segmentação semântica de imagens para diagnóstico de níveis de degradação de pastagem. |
|
Ano de publicação: |
2023 |
|
Fonte/Imprenta: |
In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 20., 2023, Florianópolis. Anais [...]. São José dos Campos: Instituto Nacional de Pesquisas Espaciais, 2023. p. 1024-1027. |
|
Idioma: |
Português |
|
Conteúdo: |
O processo de degradação de pastagem pode ser identificado quando a produção de forragem diminui, consequentemente, o aumento das áreas descobertas e plantas invasoras. Este trabalho objetivou avaliar técnicas de segmentação semântica de fotografias para diferenciação de plantas invasoras, forrageiras, solo exposto e palhada por meio do modelo DeeplabV3+. Primeiramente o modelo foi treinado com amostras do banco de dados The GrassClover Image Dataset for Semantic and Hierarchical Species Understanding in Agriculture. Um pequeno banco de dados foi construído a partir das fotografias ortogonais, retiradas da plataforma Atlas das Pastagens. Após o processo de treinamento com os dois bancos de imagens os resultados demonstraram satisfatórios com valores de MIoU de 87,6% com o primeiro banco de imagens e 75,4% com segundo banco de imagens. Conclui-se que as técnicas de segmentação semântica de imagens apresentam potencial para subsidiar a classificação da degradação de pastagens. |
|
Palavras-Chave: |
Aprendizado de máquina; Redes Neurais Convolucionais; Visão computacional. |
|
Thesagro: |
Pastagem. |
|
Thesaurus NAL: |
Image analysis. |
|
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1153427/1/Deep-learning-e-segmentacao-semantica-de-imagens-2023.pdf
|
|
Marc: |
LEADER 01797nam a2200205 a 4500
001 2153427
005 2023-11-22
008 2023 bl uuuu u00u1 u #d
100 1 $aVIEIRA, L. P.
245 $aDeep learning e segmentação semântica de imagens para diagnóstico de níveis de degradação de pastagem.$h[electronic resource]
260 $aIn: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 20., 2023, Florianópolis. Anais [...]. São José dos Campos: Instituto Nacional de Pesquisas Espaciais, 2023. p. 1024-1027.$c2023
520 $aO processo de degradação de pastagem pode ser identificado quando a produção de forragem diminui, consequentemente, o aumento das áreas descobertas e plantas invasoras. Este trabalho objetivou avaliar técnicas de segmentação semântica de fotografias para diferenciação de plantas invasoras, forrageiras, solo exposto e palhada por meio do modelo DeeplabV3+. Primeiramente o modelo foi treinado com amostras do banco de dados The GrassClover Image Dataset for Semantic and Hierarchical Species Understanding in Agriculture. Um pequeno banco de dados foi construído a partir das fotografias ortogonais, retiradas da plataforma Atlas das Pastagens. Após o processo de treinamento com os dois bancos de imagens os resultados demonstraram satisfatórios com valores de MIoU de 87,6% com o primeiro banco de imagens e 75,4% com segundo banco de imagens. Conclui-se que as técnicas de segmentação semântica de imagens apresentam potencial para subsidiar a classificação da degradação de pastagens.
650 $aImage analysis
650 $aPastagem
653 $aAprendizado de máquina
653 $aRedes Neurais Convolucionais
653 $aVisão computacional
700 1 $aSIMÕES, M.
700 1 $aFERRAZ, R. P. D.
700 1 $aRIBEIRO, J. A.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Solos (CNPS) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
