Sabiia Seb
PortuguêsEspañolEnglish
Embrapa
        Busca avançada

Botão Atualizar


Botão Atualizar

Ordenar por: 

RelevânciaAutorTítuloAnoImprime registros no formato resumido
Registros recuperados: 6
Primeira ... 1 ... Última
Imagem não selecionada

Imprime registro no formato completo
A NOVEL RAISIN SEGMENTATION ALGORITHM BASED ON DEEP LEARNING AND MORPHOLOGICAL ANALYSIS 70
Zhao,Yun; Guindo,Mahamed L.; Xu,Xing; Shi,Xiang; Sun,Miao; He,Yong.
ABSTRACT We propose a segmentation algorithm for raisin extraction. The proposed approach consists of the following aspects. Deep learning is used to predict the number of raisins in each connected region, and the shape features such as the roundness, area, X-axis value for the centroid, Y-axis value for the centroid, axis length and perimeter of each region will be used to establish the prediction model. Morphological analysis, based on edge parameters including the polar axis, polar angle and angular velocity, is applied to search for the suitable break points that are useful for identifying the dividing lines between two adjacent raisins. To make our segmentation more accurate, some machine-learning algorithms such as the random forest (RF), support...
Tipo: Info:eu-repo/semantics/article Palavras-chave: Raisin extraction; Segmentation algorithm; Deep learning; Image analysis; Food quality grading.
Ano: 2019 URL: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-69162019000500639
Imagem não selecionada

Imprime registro no formato completo
COASTAL MAPPING AND KITESURFING 5
Barde, J.; Bonhommeau, Sylvain; Chassot, E.; Motah, B..
ollecting data on aquatic biodiversity is very challenging because of the difficulty to access underwater ecosystems. Over the years, field surveys have become easier and cheaper with the development of low cost electronics. Commercial and recreational vessels, including sailboats, can now substantially complement expensive scientific surveys and arrays of observation buoys deployed across the world oceans (Pesant et al., 2015, Karsenti et al., 2011). Meanwhile, a large variety of marine animals such as birds, mammals, and fish have become data collection platforms for both biological and environmental parameters through the advent of archival tags. It becomes obvious that data collection in coastal and high seas will become more popular and that citizen...
Tipo: Text Palavras-chave: Citizen science; Ocean and coastal observing systems; Surfing; Action cameras; Coral reef mapping; Photogrammetry; Deep learning; R.
Ano: 2018 URL: http://archimer.ifremer.fr/doc/00450/56164/57712.pdf
Imagem não selecionada

Imprime registro no formato completo
Deep Learning Approach for Forecasting Water Quality in IoT Systems 5
Thai-nghe, Nguyen; Thanh-hai, Nguyen; Chi Ngon, Nguyen.
Global climate change and water pollution effects have caused many problems to the farmers in fish/shrimp raising, for example, the shrimps/fishes had early died before harvest. How to monitor and manage quality of the water to help the farmers tackling this problem is very necessary. Water quality monitoring is important when developing IoT systems, especially for aquaculture and fisheries. By monitoring the real-time sensor data indicators (such as indicators of salinity, temperature, pH, and dissolved oxygen - DO) and forecasting them to get early warning, we can manage the quality of the water, thus collecting both quality and quantity in shrimp/fish raising. In this work, we introduce an architecture with a forecasting model for the IoT systems to...
Tipo: Text Palavras-chave: Forecasting model; Deep learning; Long-Short Term Memory (LSTM); Water quality indicators.
Ano: 2020 URL: https://archimer.ifremer.fr/doc/00646/75836/76830.pdf
Imagem não selecionada

Imprime registro no formato completo
Fluxo de trabalho para o treinamento de modelos de aprendizado profundo dedicados a problemas da agricultura. 14
BARBEDO, J. G. A..
Resumo - Com o surgimento do aprendizado profundo, redes neurais novamente se tornaram opções vantajosas para lidar com uma variedade de problemas de classificação, especialmente quando imagens digitais estão envolvidas. A popularização desse tipo de técnica deu origem a uma comunidade ativa que tornou pública a maior parte das arquiteturas de aprendizado profundo desenvolvidas até o momento. Documentações completas e tutoriais detalhados associados a essas arquiteturas garantem que qualquer pessoa com conhecimentos básicos de programação é capaz de realizar os experimentos sem muito esforço. Como resultado, houve uma explosão no número de artigos aplicando aprendizado profundo a uma ampla gama de problemas. Apesar dos excelentes resultados alcançados por...
Tipo: Folhetos Palavras-chave: Aprendizado profundo; Redes neurais; Classificação; Deep learning; Training; Agricultura; Agriculture; Neural networks; Classification.
Ano: 2021 URL: http://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/1137938
Imagem não selecionada

Imprime registro no formato completo
Inovação no processo clássico de análise Morfométrica e caracterização de sementes de Espécies florestais: uso da tecnologia de visão Artificial. 14
SOUSA, R. de C. P. de; SMIDERLE, O. J.; COSTA, P. da.
A tecnologia de visão artificial engloba uma série de métodos que podem ser empregados de forma individual ou integrados entre si para uso em várias áreas da ciência, principalmente em laboratórios, agilizando e inovando o processo de análises. No laboratório de sementes da Empresa Brasileira de Pesquisa Agropecuária, em Roraima, existe um instrumento com sistema semi-automatizado, que utiliza-se dessa tecnologia para análise de sementes e plântulas. Possibilita a obtenção de imagens de alta resolução e, coleta ao mesmo tempo, ampla gama de informações por semente. No entanto, o referido instrumento, veio configurado/calibrado de fábrica apenas para algumas espécies de grãos/sementes, como milho, soja, tabaco e trigo. Mas, aceita nova configuração para...
Tipo: Parte de livro Palavras-chave: Deep learning; SAS-PRO; Imagens; Nova metodologia.
Ano: 2022 URL: http://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/1139497
Imagem não selecionada

Imprime registro no formato completo
Uso de redes neurais multicamadas para classificação de perfis de solos. 14
SOUZA, K. X. S. de; CAMARGO NETO, J..
Resumo - O processo de classificação de solos executado por especialistas é uma tarefa laboriosa, que envolve várias etapas de coleta e a aplicação de regras de classificação de acordo com o Manual do Sistema Brasileiro de Classificação de Solos (SiBCS). Este trabalho relata a aplicação de redes neurais do tipo perceptron multicamadas na classificação de solos, nos níveis categóricos 1 a 4. Os dados de perfis de solo utilizados vieram de uma base de dados do Instituto Brasileiro de Geografia e Estatística (IBGE). A otimiza-ção da função de custo de entropia cruzada, usada no treinamento da rede neural, foi realizada por meio do algoritmo de stochastic gradient descent. As redes apresentaram resultados de acurácia que variam de 63,38 a 27,79, tendo o valor...
Tipo: Boletim de Pesquisa e Desenvolvimento (INFOTECA-E) Palavras-chave: Redes neurais multicamadas; Perceptron multicamadas; Classificação de solos; Aprendizado profundo; Amostras de solo; Deep learning; Neural networks; Soil classification.
Ano: 2019 URL: http://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/1116239
Registros recuperados: 6
Primeira ... 1 ... Última
 

Empresa Brasileira de Pesquisa Agropecuária - Embrapa
Todos os direitos reservados, conforme Lei n° 9.610
Política de Privacidade
Área restrita

Embrapa
Parque Estação Biológica - PqEB s/n°
Brasília, DF - Brasil - CEP 70770-901
Fone: (61) 3448-4433 - Fax: (61) 3448-4890 / 3448-4891 SAC: https://www.embrapa.br/fale-conosco

Valid HTML 4.01 Transitional