| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Trigo. |
|
Data corrente: |
31/05/2022 |
|
Data da última atualização: |
31/05/2022 |
|
Tipo da produção científica: |
Resumo em Anais de Congresso |
|
Autoria: |
LUNARDI, L.; ACOSTA, A. da S.; VIEIRA, V. M. |
|
Afiliação: |
LISANDRA LUNARDI, CNPT; ADAO DA SILVA ACOSTA, CNPT; VLADIRENE MACEDO VIEIRA, CNPT. |
|
Título: |
Adoção das informações técnicas para a cultura do trigo. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
In: REUNIÃO DA COMISSÃO BRASILEIRA DE PESQUISA DE TRIGO E TRITICALE, 14., 2021. Passo Fundo: Fundação ABC/Biotrigo Genética, 2021. p. 581-585. |
|
Idioma: |
Português |
|
Palavras-Chave: |
Cultivo. |
|
Thesagro: |
Trigo. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1143594/1/Adocao-das-informacoes.pdf
|
|
Marc: |
LEADER 00530nam a2200145 a 4500
001 2143594
005 2022-05-31
008 2021 bl uuuu u00u1 u #d
100 1 $aLUNARDI, L.
245 $aAdoção das informações técnicas para a cultura do trigo.$h[electronic resource]
260 $aIn: REUNIÃO DA COMISSÃO BRASILEIRA DE PESQUISA DE TRIGO E TRITICALE, 14., 2021. Passo Fundo: Fundação ABC/Biotrigo Genética, 2021. p. 581-585.$c2021
650 $aTrigo
653 $aCultivo
700 1 $aACOSTA, A. da S.
700 1 $aVIEIRA, V. M.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Trigo (CNPT) |
|
|
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. |
|
|
