Título:	Active learning e sua aplicação no monitoramento da cana-de-açúcar utilizando o algoritmo SVM.
Autoria:	SILVA, J. P. da ZULLO JÚNIOR, J. ROMANI, L. A. S.
Afiliação:	JOÃO PAULO DA SILVA, Feagri/Unicamp; JURANDIR ZULLO JÚNIOR, Cepagri/Unicamp; LUCIANA ALVIM SANTOS ROMANI, CNPTIA.
Ano de publicação:	2017
Referência:	In: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 11., 2017, Campinas. Ciência de dados na era da agricultura digital: anais. Campinas: Editora da Unicamp: Embrapa Informática Agropecuária, 2017.
Páginas:	p. 119-128.
Conteúdo:	A cana-de-açúcar é um dos pilares do agronegócio brasileiro e, por apresentar intensa dinâmica expansionista, demanda metodologias que subsidiem a criação de estratégias políticas e econômicas que promovam a sustentabilidade da produção. Este artigo propõe uma nova abordagem de monitoramento de áreas canavieiras baseada na classificação de séries temporais de imagens de satélite associada à técnica de Active Learning. A interação do usuário especialista no aprendizado do algoritmo de classificação através desta técnica utilizando parâmetros sazonais das séries temporais gerou um conjunto de treino otimizado que promoveu a redução do custo operacional de monitoramento da ocupação da cana-de-açúcar. A correlação de cerca de 90% observada entre as análises conduzidas neste trabalho com dados oficiais indica que a metodologia proposta pode ser utilizada no monitoramento agrícola devido à similaridade entre os resultados associada ao baixo custo operacional envolvido.
Thesagro:	Cana de açúcar
NAL Thesaurus:	Sugarcane Time series analysis Vegetation index
Palavras-chave:	Mineração de dados Análise sazonal Classificação de imagens Séries temporais Algoritmo Support Vector Machine Índice de Vegetação da Diferença Normalizada Data mining Seasonal analysis
ISBN:	978-85-85783-75-4
Notas:	SBIAgro 2017.
Tipo do material:	Artigo em anais e proceedings
Acesso:	openAccess
Aparece nas coleções:	Artigo em anais de congresso (CNPTIA)