|
|
|
Registros recuperados: 38 | |
|
|
SAVARY, S.; DJURLE, A.; YUEN, J.; FICKE, A.; ROSSI, V.; ESKER, P. D.; FERNANDES, J. M. C.; DEL PONTE, E. M.; KUMAR, J.; MADDEN, L. V.; PAUL, P.; MCROBERTS, N.; SINGH, P. K.; HUBER, L.; POPE DE VALLAVIELLE, C.; SAINT-JEAN, S.; WILLOCQUET, L.. |
Tipo: Artigo de periódico |
Palavras-chave: Plant disease.; Trigo; Doença de planta; Epidemiologia; Wheat; Epidemiology.. |
Ano: 2017 |
URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1084281 |
| |
|
| |
|
| |
|
|
SANTOS, T. V. dos; MAIA, A. de H. N.; MARTINS, E. J.; DEL PONTE, E. M.. |
A ferrugem asiática é uma importante doença na cultura da soja. Os padrões espaciais e temporais de ocorrência e de severidade das epidemias nas diferentes safras são variáveis em função das condições climáticas prevalentes, principalmente da precipitação. As variabilidades interanual e espacial do risco climático de epidemias de ferrugem asiática no Estado do Rio Grande do Sul foram avaliadas com um modelo de predição da severidade máxima da doença com base na precipitação. Foram utilizadas séries históricas de 25 anos de precipitação diária no período crítico para o desenvolvimento da doença (janeiro a março) em 24 localidades na região produtora do Estado. Estatística descritiva e funções probabilidade de excedência (FPE) foram usadas para avaliar a... |
Tipo: Separatas |
Palavras-chave: Séries temporais. |
Ano: 2009 |
URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/577862 |
| |
|
| |
|
| |
|
|
MAIA, A. de H. N.; SANTOS, T. V. dos; PAVAN, W.; FERNANDES, J. M. C.; DEL PONTE, E. M.. |
A giberela é uma importante doença na cultura do trigo cujas epidemias ocorrem sob a influência marcante de condições ambientais específicas durante o florescimento. Neste trabalho, a influência do fenômeno El Nino/Oscilação Sul (ENOS) sobre o risco de epidemias da giberela do trigo, em Passo Fundo, RS, estimado com modelos de simulação, foi avaliada via abordagem de anos análogos. Foi utilizada uma série local histórica (1957 a 2006) de dados meteorológicos para estimar um índice de risco de giberela (IRG) para diferentes datas de plantio (1 a 30/06) nos 50 anos da série. Para quantificar a influência do ENOS, foram comparadas medianas e funções probabilidade de excedância (FPE) do IRG (Prob(IRG>y)para três fases do ENOS (quente, fria e neutra) nos... |
Tipo: Separatas |
Palavras-chave: Análise de Risco; Fusarium Graminearum.. |
Ano: 2009 |
URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/577907 |
| |
|
|
GONÇALVES, J. P.; PINTO, F. A. C.; QUEIROZ, D. M.; VILLAR, F. M. M.; BARBEDO, J. G. A.; DEL PONTE, E. M.. |
Colour-thresholding digital imaging methods are generally accurate for measuring the percentage of foliar area affected by disease or pests (severity), but they perform poorly when scene illumination and background are not uniform. In this study, six convolutional neural network (CNN) architectures were trained for semantic segmentation in images of individual leaves exhibiting necrotic lesions and/or yellowing, caused by the insect pest coffee leaf miner (CLM), and two fungal diseases: soybean rust (SBR) and wheat tan spot (WTS). All images were manually annotated for three classes: leaf background (B), healthy leaf (H) and injured leaf (I). Precision, recall, and Intersection over Union (IoU) metrics in the test image set were the highest for B, followed... |
Tipo: Artigo de periódico |
Palavras-chave: Aprendizado profundo; Fitopatometria; Inteligência artificial; Aprendizado de máquina; Rede neural convolucional; Segmentação de imagem; Phytopathometry; Machine learning; Convolutional neural network; Image segmentation; Doença de Planta; Artificial intelligence; Plant diseases and disorders; Neural networks. |
Ano: 2021 |
URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1134326 |
| |
|
| |
|
| |
|
|
GODOY, C. V.; UTIAMADA, C. M.; SILVA, L. H. C. P. da; SIQUERI, F. V.; HENNING, A. A.; ROESE, A. D.; FORCELINI, C. A.; PIMENTA, C. B.; JACCOUD FILHO, D. S.; RAMOS JÚNIOR, E. U.; BORGES, E. P.; DEL PONTE, E. M.; JULIATI, F. C.; FEKSA, H. R.; CAMPOS, H. D.; NUNES JÚNIOR, J.; SILVA, J. R. C.; COSTAMILAN, L. M.; NAVARINI, L.; CARNEIRO, L. C.; SATO, L. N.; CANTERI, M. G.; MADALOSSO, M.; ITO, M. A.; CUNHA, M. G.; ITO, M. F.; MEYER, M. C.; MELO, R. A. de C. e; BALARDIN, R. S.; IGARASHI, S.; SILVA, S. A. da; FURLAN, S. H.; DALLA NORA, T.; CARLIN, V. J.. |
Tipo: Parte de livro |
Palavras-chave: Ferrugem asiática; Fitopatologia.; Soja.. |
Ano: 2011 |
URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/898589 |
| |
|
|
GODOY, C. V.; UTIAMADA, C. M.; SILVA, L. H. C. P. da; SIQUERI, F. V.; HENNING, A. A.; ROESE, A. D.; FORCELINI, C. A.; PIMENTA, C. B.; JACCOUD FILHO, D. S.; RAMOS JÚNIOR, E. U.; BORGES, E. P.; DEL PONTE, E. M.; JULIATI, F. C.; FEKSA, H. R.; CAMPOS, H. D.; NUNES JÚNIOR, J.; SILVA, J. R. C.; COSTAMILAN, L. M.; NAVARINI, L.; CARNEIRO, L. C.; SATO, L. N.; CANTERI, M. G.; MADALOSSO, M.; ITO, M. A.; CUNHA, M. G.; ITO, M. F.; MEYER, M. C.; MELO, R. A. C.; BALARDIN, R. S.; IGARASHI, S.; SILVA, S. A. da; FURLAN, S. H.; DALLA NORA, T.; CARLIN, V. J.. |
Tipo: Parte de livro |
Palavras-chave: Soja; Doença de planta; Fungicida; Ferrugem; Phakopsora Pachyrhizi.; Soybeans; Plant diseases and disorders; Fungicides; Rust diseases.. |
Ano: 2011 |
URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/898954 |
| |
|
|
GODOY, C. V.; UTIAMADA, C. M.; SILVA, L. H. C. P. da; SIQUERI, F. V.; HENNING, A. A.; ROESE, A. D.; FOCELINI, C. A.; PIMENTA, C. B.; NUNES, C. D. M.; JACCOUD FILHO, D. S.; MIGUEL-WRUCK, D. S.; RAMOS JUNIOR, E. U.; BORGES, E. P.; DEL PONTE, E. M.; JULIATTI, F. C.; FEKSA, H. R. Q; CAMPOS, H. D.; NUNES JUNIOR, J.; SILVA, J. R. C.; NAVARINI, L.; CARNEIRO, L. C.; SATO, L. N.; PRADO, M. D. R. do; CANTERI, M. G.; MADALOSSO, M.; ITO, M. A.; CUNHA, M. G. da; ITO, M. F.; MEYER, M. C.; MELO, R. A. de C. e; BALARDIN, R. S.; IGARASHI, S.; SILVA, S. A. da; FURLAN, S. H.; NORA, T. D.; CARLIN, V. J.. |
bitstream/item/30353/1/godoy.circulartecnica80.pdf |
Tipo: Circular Técnica (INFOTECA-E) |
Palavras-chave: Soja; Doença de planta; Fungicida; Ferrugem; Fungo; Soybeans; Plant diseases and disorders; Fungicides; Rust diseases; Fungi. |
Ano: 2010 |
URL: http://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/863237 |
| |
|
| |
|
|
MACHADO, A. K.; KING, R.; LEE, W. S.; SPARKS, C.; BROWN, N.; KANYUKA, K.; URBAN, M.; WEST, J.; YAMAZAKI-LAU, E.; TIBOLA, C. S.; LIMA, M. I. P. M.; TOGAWA, R. C.; MARTINS, N.; ARAGÃO, F.; NICOLLI, C. P.; DEL PONTE, E. M.; TESSMANN, D. J.; FERNANDES, J. M. C.; HAMMOND-KOSACK, K. E.. |
Tipo: Separatas |
Palavras-chave: Trigo; Doença de planta; Wheat; Plant diseases and disorders. |
Ano: 2017 |
URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1089273 |
| |
|
| |
|
|
BOCK, C. H.; BARBEDO, J. G. A.; DEL PONTE, E. M.; BOHNENKAMP, D.; MAHLEIN, A. K.. |
Abstract. The severity of plant diseases, traditionally the proportion of the plant tissue exhibiting symptoms, is a key quantitative variable to know for many diseases and is prone to error. Good quality disease severity data should be accurate (close to the true value). Earliest quantification of disease severity was by visual estimates. Sensor-based image analysis including visible spectrum and hyperspectral and multispectral sensors are established technologies that promise to substitute, or complement visual ratings. Indeed, these technologies have measured disease severity accurately under controlled conditions but are yet to demonstrate their full potential for accurate measurement under field conditions. Sensor technology is advancing rapidly, and... |
Tipo: Artigo de periódico |
Palavras-chave: Inteligência artificial; Aprendizado de máquina; Dispositivo móvel; Tecnologias digitais; Aprendizado profundo; Precisão; Acurácia; Severidade da doença; Machine learning; Assessment; Sensor; Mobile device; Digital technologies; Deep learning; Phenotyping; Doença de Planta; Precision agriculture; Plant diseases and disorders; Artificial intelligence; Disease severity; Accuracy; Precision. |
Ano: 2020 |
URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1122199 |
| |
|
| |
Registros recuperados: 38 | |
|
|
|