Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1096173
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorSANTOS, A. A. dos
dc.contributor.authorAVILA, S.
dc.contributor.authorSANTOS, T. T.
dc.date.accessioned2018-09-22T00:34:45Z-
dc.date.available2018-09-22T00:34:45Z-
dc.date.created2018-09-21
dc.date.issued2018
dc.identifier.citationIn: CONGRESSO INTERINSTITUCIONAL DE INICIAÇÃO CIENTÍFICA, 12., 2018, Campinas. Anais... [S.l: s.n], 2018.
dc.identifier.isbn978-85-7029-145-5
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1096173-
dc.descriptionRESUMO - 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 qualitativos mostram que o modelo generaliza bem quando testado em fotografias de outras variedades de uvas. Esses resultados se mostram promissores para a melhoria do método e caminham para a possibilidade de aplicação em campo.
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.subjectDetecção de frutos
dc.subjectReconhecimento de Imagens
dc.subjectAprendizagem profunda
dc.subjectAprendizado de máquina
dc.subjectRedes neurais
dc.subjectAprendizado supervisionado
dc.subjectImage Recognition
dc.subjectFruit detection
dc.subjectDeep Learning
dc.subjectMachine learning
dc.titleDetecção automática de uvas e folhas em viticultura com uma rede neural YOLOv2.
dc.typeArtigo em anais e proceedings
dc.date.updated2020-01-21T11:11:11Zpt_BR
dc.subject.thesagroViticultura
dc.subject.nalthesaurusViticulture
dc.subject.nalthesaurusNeural networks
dc.description.notesCIIC 2018. Nº 17601.
dc.format.extent2Não paginado.
riaa.ainfo.id1096173
riaa.ainfo.lastupdate2020-01-21 -02:00:00
dc.contributor.institutionANDREZA APARECIDA DOS SANTOS; SANDRA AVILA; THIAGO TEIXEIRA SANTOS, CNPTIA.
Aparece nas coleções:Artigo em anais de congresso (CNPTIA)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
18601.pdf3,02 MBAdobe PDFThumbnail
Visualizar/Abrir

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace