SABIIA - Sistema Aberto e Integrado de Informação em Agricultura (Sabiia)

SANTOS, T. T.; GEBLER, L..

Abstract. Computer vision methods based on convolutional neural networks (CNNs) have presented promising results on image-based fruit detection at ground-level for different crops. However, the integration of the detections found in different images, allowing accurate fruit counting and yield prediction, have received less attention. This work presents a methodology for automated fruit counting employing aerial-images. It includes algorithms based on multiple view geometry to perform fruits tracking, not just avoiding double counting but also locating the fruits in the 3-D space. Preliminary assessments show correlations above 0.8 between fruit counting and true yield for apples. The annotated dataset employed on CNN training is publicly available.

A study on CNN-based detection of psyllids in sticky traps using multiple image data sources.

Palavras-chave: Redes neurais; Contagem automática de frutas; Detecção de maçãs; Convolutional neural networks; Fruit detection; Maçã; Neural networks; Apples.

Ano: 2021

URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1136667

BARBEDO, J. G. A.; CASTRO, G. B..

Abstract: Deep learning architectures like Convolutional Neural Networks (CNNs) are quickly becoming the standard for detecting and counting objects in digital images. However, most of the experiments found in the literature train and test the neural networks using data from a single image source, making it difficult to infer how the trained models would perform under a more diverse context. The objective of this study was to assess the robustness of models trained using data from a varying number of sources. Nine different devices were used to acquire images of yellow sticky traps containing psyllids and a wide variety of other objects, with each model being trained and tested using different data combinations. The results from the experiments were used...

Tipo: Artigo de periódico

Palavras-chave: Aprendizado profundo; Robustez de modelo; Variedade de dados; Redes neurais; Redes Neurais Convolucionais; Citrus huanglongbing; HLB; Imagens digitais; Deep learning; Model robustness; Data variety; Convolutional Neural Networks; Citrus; Neural networks; Digital images.

Ano: 2020

URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1125315

Artificial neural networks for sustainable agribusiness: a case study of five energetic crops

Agrociencia

Untaru,Mircea; Rotarescu,Vasile; Dorneanu,Liliana.

The growing agricultural economic environment referred to as agribusiness requires continuous balanced cost-benefit solutions. The use of artificial intelligence in this area provides complex solutions that are easily applicable. The objective of this study was to elaborate on innovative instruments from the field of artificial intelligence for the decision-making process related to energetic crops. The field of expertise of this paper is strongly related to current issues of sustainable development. The methodology used is artificial neural networks (ANN) and compares it with other tools. The targeted results regard the optimization of decision-making processes and the forecast of financial results in an agricultural economy. A case study of forecasting...

URL: http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-31952012000500008

Palavras-chave: Energetic crops; Neural networks; Agribusiness; Resource saving.

Ano: 2012

Artificial neural networks in the classification and identification of soybean cultivars by planting region.

Classificação de imagens de sementes de soja coloridas pelo tetrazólio baseada em aprendizado profundo.

GALÃO, O. F.; BORSATO, D.; PINTO, J. P.; VISENTAINER, J. V.; CARRÃO-PANIZZI, M. C..

Vinte variedades de soja (Glycine max), quatorze convencionais e seis variedades transgênicas (RR) foram analisadas quanto ao teor de proteína, ácido fítico, teor de óleo, fitosteróis, cinzas, minerais e ácidos graxos que foram tabelados e apresentados à rede neural do tipo perceptron de múltiplas camadas para a classificação e identificação quanto a região de plantio e quanto a variedade convencional ou transgênica. A rede neural utilizada classificou e testou corretamente 100% das amostras cultivadas por região. Para o banco de dados contendo informações sobre sojas transgênicas e convencionais foi obtido um desempenho de 94,43% no treinamento da rede, 83,30% no teste e 100% na validação. Twenty soybean (Glycine max) varieties, 14 conventional and 6...

Tipo: Separatas

Palavras-chave: Variedade.; Soja; Neural networks; Soybeans; Varieties..

Ano: 2011

URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/898723

SOUZA JUNIOR, M.; FRANÇA-NETO, J. B.; SAITO, P. T. M.; BUGATTI, P. H..

Tipo: Parte de livro

Palavras-chave: Teste de Tetrazólio; Soja; Semente; Aprendizagem; Controle de Qualidade; Soybeans; Seed quality; Neural networks; Tetrazolium.

Ano: 2018

URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1094098

CLASSIFICATION OF MACAW PALM FRUITS FROM COLORIMETRIC PROPERTIES FOR DETERMINING THE HARVEST MOMENT

REA

Costa,Anderson G.; Pinto,Francisco de A. de C.; Motoike,Sérgio Y.; Braga Júnior,Roberto A.; Gracia,Luis M. Navas.

ABSTRACT Macaw palm (Acrocomia aculeata) is a promising crop for biofuel production due to the high concentration of its fruit oil, but the harvest date is an issue to be better understood so it could be cultivated on an industrial scale. The aim of this study was to use the colorimetric properties of the macaw palm fruits to develop a neural network classifier to determine the ideal moment for harvesting, based on the oil content of the fruit mesocarp. During nine weeks of maturation were sampled 900 fruits of macaw palm fruits and the colorimetric properties of the RGB, HSI and CIELab color models were used to classify the fruits into immature and mature fruits. Kappa index and the overall accuracy values were used to access the classifier performance....

Comparison between artificial neural networks and maximum likelihood classification in digital soil mapping.

Palavras-chave: Digital images; Maturation; Neural networks; Oil content.

Ano: 2018

URL: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-69162018000400634

CHAGAS, C. da S.; VIEIRA, C. A. O.; FERNANDES-FILHO, E. I..

Soil surveys are the main source of spatial information on soils and have a range of different applications, mainly in agriculture. The continuity of this activity has however been severely compromised, mainly due to a lack of governmental funding. The purpose of this study was to evaluate the feasibility of two different classifiers (artificial neural networks and a maximum likelihood algorithm) in the prediction of soil classes in the northwest of the state of Rio de Janeiro. Terrain attributes such as elevation, slope, aspect, plan curvature and compound topographic index (CTI) and indices of clay minerals, iron oxide and Normalized Difference Vegetation Index (NDVI), derived from Landsat 7 ETM+ sensor imagery, were used as discriminating variables. The...

Tipo: Artigo de periódico

Palavras-chave: Terrain attributes; Maximum likelihood; Neural networks.

Ano: 2013

URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/958086

Comparison between artificial neural networks and maximum likelihood classification in digital soil mapping

Rev. Bras. Ciênc. Solo

Chagas,César da Silva; Vieira,Carlos Antônio Oliveira; Fernandes Filho,Elpídio Inácio.

Compreensão de cenas em agricultura por redes neurais profundas.

Palavras-chave: Terrain attributes; Neural networks; Maximum likelihood.

Ano: 2013

URL: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-06832013000200005

DIAZ, M. G. B. D.; SANTOS, T. T..

RESUMO - A compreensão de cenas tridimensionais na agricultura é de interesse estratégico para a atividade, pois abre caminho para automatizar análises e processos produtivos no campo. Na última década, algoritmos de aprendizado profundo se tornaram estado da arte em tarefas de detecção e classificação em imagens. Ao mesmo tempo, algoritmos de reconstrução tridimensionais de estruturas a partir de imagens se tornaram cada vez mais robustos e escaláveis. Redes neurais profundas, no entanto, ainda são pouco aplicadas a dados tridimensionais, em especial a representações de cenas na agricultura. Neste trabalho, mostramos os resultados de testes de reconstrução tridimensional de linhas de uma vinícola e desenvolvemos a base de uma interface para anotação de...

Counting cattle in UAV images: dealing with clustered animals and animal/background contrast changes.

Palavras-chave: Redes neurais; Redes Neurais Profundas; Reconstrução Tridimensional; Anotação de Dados; Classificação e Segmentação; Nuvens de Pontos; Deep Neural Networks; Tridimensional Reconstruction; Data Annotation; Classification and Segmentation; Point Clouds; Neural networks.

Ano: 2020

URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1127719

BARBEDO, J. G. A.; KOENIGKAN, L. V.; SANTOS, P. M.; RIBEIRO, A. R. B..

Abstract: The management of livestock in extensive production systems may be challenging, especially in large areas. Using Unmanned Aerial Vehicles (UAVs) to collect images from the area of interest is quickly becoming a viable alternative, but suitable algorithms for extraction of relevant information from the images are still rare. This article proposes a method for counting cattle which combines a deep learning model for rough animal location, color space manipulation to increase contrast between animals and background, mathematical morphology to isolate the animals and infer the number of individuals in clustered groups, and image matching to take into account image overlap. Using Nelore and Canchim breeds as a case study, the proposed approach yields...

Tipo: Artigo de periódico

Palavras-chave: Redes neurais; Rede neural convolucional; Veículo aéreo não tripulado; Canchim breed; Nelore breed; Convolutional neural networks; Mathematical morphology; Deep learning mode; Gado de Corte; Gado Nelore; Gado Canchim; Unmanned aerial vehicles; Neural networks.

Ano: 2020

URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1121664

Crop yield estimation using satellite images: comparison of linear and non-linear models

Agriscientia (Córdoba)

Sayago,S; Bocco,M.

Development of models for crop yield prediction using remote sensing allows accurate, reliable and timely estimations over large areas. Particularly, this information is necessary to ensure the adequacy of a nation's food supply as well as to aid policy makers and farmers. In Argentina, soybean (Glycine max (L.) Merr.) and corn (Zea mays L.) are the most important crops. The goal of this research was to develop and evaluate linear and non-linear models to estimate crop yield from satellite data. Particularly, we proposed and applied those models to obtain soybean and corn yield in the central region of Córdoba (Argentina) using Landsat and SPOT images. The models were designed taking into account all or some bands included in the images from one or both...

URL: http://www.scielo.org.ar/scielo.php?script=sci_arttext&pid=S1668-298X2018000100001

Palavras-chave: Neural networks; Multiple linear regression; Soybean; Corn; Modelling.

Ano: 2018

Deep learning architectures for semantic segmentation and automatic estimation of severity of foliar symptoms caused by diseases or pests.

Deficiencias de hierro y manganeso en hojas de frijol (Phaseolus vulgaris L.) identificadas mendiante análisis textural, color de imágenes digitales y redes neuronales artificiales.

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

Colegio de Postgraduados

García Cruz, Edgar.

En la presente investigación se analizaron imágenes digitales de hojas de frijol (Phaseolus vulgaris L.) para identificar con un clasificador, deficiencias de hierro (Fe) y manganeso (Mn). A los 24 días después de la siembra (dds) se les suministró la solución nutritiva de acuerdo a ocho tratamientos: dos deficiencias parciales, una de 50 % Fe y otra de 50 % Mn; dos deficiencias totales totales, 0 % Fe y una más de 0 % Mn además de una interacción (0 % Fe, 0 % Mn) y dos dosis excedentes (200 % Fe y 200 % Mn); finalmente un tratamiento testigo (100 % Fe, 100 % Mn) usando como referencia la solución Steiner. A partir de imágenes digitales de muestras de hojas de los tratamientos obtenidas a los 63 dds, se calcularon variables de color con los valores...

Palavras-chave: RGB; Textura; Redes neuronales; Phaseolus vulgaris; Hierro; Manganeso; Texture; Neural networks; Iron; Manganese; Edafología; Maestría.

Ano: 2013

URL: http://hdl.handle.net/10521/2076

Detecção automática de uvas e folhas em viticultura com uma rede neural YOLOv2.

SANTOS, A. A. dos; AVILA, S.; SANTOS, T. T..

RESUMO - Neste trabalho, o problema de detecção de frutas e folhas em viticultura para aplicações envolvendo sensoriamento próximo foi modelado como um problema de aprendizado supervisionado de máquina. Uma base de dados foi criada e manualmente anotada a partir de imagens obtidas em abril de 2017 na Vinícola Guaspari. No total são 11.883 imagens contendo exemplos de cachos de uvas e folhas. Uma rede convolutiva com arquitetura YOLOv2 foi treinada para localização e classificação de cachos e folhas. Testes quantitativos demonstraram resultados para a detecção e classificação com precisão de 100%, revocação de até 74,2% e F1-Score de 85,2% para classe "uva" e precisão de 100%, revocação de até 67,9% e F1-Score de 80,9% para a classe "folha". Testes...

Detecção de frutos em viticultura utilizando redes neurais profundas.

Palavras-chave: Detecção de frutos; Reconhecimento de Imagens; Aprendizagem profunda; Aprendizado de máquina; Redes neurais; Aprendizado supervisionado; Image Recognition; Fruit detection; Deep Learning; Learning machine; Viticultura; Viticulture; Neural networks.

Ano: 2018

URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1096173

SOUZA, L. L. de; AVILA, S.; SANTOS, T. T..

RESUMO - Neste trabalho investigamos técnicas de detecção de objetos por redes neurais aplicadas à detecção de frutos em viticultura. Desenvolvemos também a base de dados Embrapa WGISD, composta por imagens coletadas em Abril de 2017 e Abril de 2018 na Vinícola De Guaspari. Anotada manualmente, a base de dados possui 5 cultivares diferentes de uva: Syrah, Chardonnay, Cabernet Franc, Cabernet Sauvignon e Sauvignon Blanc, totalizando 4419 amostras de cachos de uva. Foram treinadas duas redes neurais convolutivas de arquiteturas, YOLOv2 e YOLOv3, para detecção e localização dos cachos nas imagens. Resultados quantitativos demonstraram precisão de até 88%, revocação de até 74%, e F1-Score de até 80% para YOLOv2 e precisão de até 92%, revocação de até 65% e...

Detection of patients with functional dyspepsia using wavelet transform applied to their electrogastrogram

Palavras-chave: Detecção de frutos; Redes neurais; Aprendizagem profunda; Detecção de uvas; Fruit detection; Deep Learning; Viticultura; Viticulture; Neural networks.

Ano: 2019

URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1111590

BJMBR

Chacón,M.; Curilem,G.; Acuña,G.; Defilippi,C.; Madrid,A.M.; Jara,S..

The aim of the present study was to develop a classifier able to discriminate between healthy controls and dyspeptic patients by analysis of their electrogastrograms. Fifty-six electrogastrograms were analyzed, corresponding to 42 dyspeptic patients and 14 healthy controls. The original signals were subsampled, filtered and divided into the pre-, post-, and prandial stages. A time-frequency transformation based on wavelets was used to extract the signal characteristics, and a special selection procedure based on correlation was used to reduce their number. The analysis was carried out by evaluating different neural network structures to classify the wavelet coefficients into two groups (healthy subjects and dyspeptic patients). The optimization process of...

Diagnóstico de deficiencias de nitrógeno y maganesio con imágenes digitales.

Palavras-chave: Functional dyspepsia; Electrogastrography; Wavelet transform; Neural networks.

Ano: 2009

URL: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-879X2009001200014

Colegio de Postgraduados

Reyes Flores, Maciel.

La detección oportuna de deficiencias nutrimentales en hojas de plantas cultivadas permite tomar medidas correctivas inmediatas asi como predecir rendimientos. Las características espectrales y de textura de las imágenes se pueden utilizar para obtener información y correlacionarlos con el estado nutrimental de elementos esenciales que generan sintomatología similar en hojas de las plantas. En la presente investigación se estableció un experimento para medir las propiedades espectrales y característica texturales del cultivo de frijol con diferentes concentraciones de nitrógeno y magnesio de imágenes obtenidas con escáner. A partir de los valores de reflectancia se generaron modelos de regresión para asociar la concentración de nitrógeno y magnesio en el...

Palavras-chave: Reflectancia; Discriminación; Espacios de color; Textura; Redes neuronales; Reflectance; Discrimination; Color spaces; Texture; Neural networks; Edafología; Maestría.

Ano: 2013

URL: http://hdl.handle.net/10521/2077

Estimativa de precipitação através de imagens do satélite GOES-8 utilizando redes neurais.

ÁVILA, A. M. H. de; PINTO, H. S.; ZULLO JÚNIOR, J.; ASSAD, E. D..

O presente trabalho tem por objetivo utilizar as informações disponíveis nos canais espectrais do satélite GOES-8 para estimar a precipitação em regiões tropicais utilizando métodos de rede neurais.