Por favor, use este identificador para citar o enlazar este ítem:
http://www.alice.cnptia.embrapa.br/alice/handle/doc/1134302
Título: | Convolutional Neural Networks to Estimate Dry Matter Yield in a Guineagrass Breeding Program Using UAV Remote Sensing. |
Autor: | OLIVEIRA, G. S. de MARCATO JUNIOR, J. POLIDORO, C. OSCO, L. P. SIQUEIRA, H. RODRIGUES, L. JANK, L. BARRIOS, S. C. L. VALLE, C. SIMEÃO, R. M. CARROMEU, C. SILVEIRA, E. JORGE, L. A. de C. GONÇALVES, W. SANTOS, M. F. MATSUBARA, E. |
Afiliación: | GABRIEL SILVA DE OLIVEIRA, Universidade Federal do Mato Grosso do Sul, Campo Grande, Brasil.; JOSÉ MARCATO JUNIOR, Universidade Federal do Mato Grosso do Sul, Campo Grande, Brasil.; CAIO POLIDORO, Universidade Federal do Mato Grosso do Sul, Campo Grande, Brasil.; LUCAS PRADO OSCO, Universidade Federal do Mato Grosso do Sul, Campo Grande, Brasil.; HENRIQUE SIQUEIRA, Universidade Federal do Mato Grosso do Sul, Campo Grande, Brasil.; LUCAS RODRIGUES, Universidade Federal do Mato Grosso do Sul, Campo Grande, Brasil.; LIANA JANK, CNPGC; SANZIO CARVALHO LIMA BARRIOS, CNPGC; CACILDA VALLE, Embrapa Gado de Corte; ROSANGELA MARIA SIMEAO, CNPGC; CAMILO CARROMEU, CNPGC; ELOISE SILVEIRA, Universidade Federal do Mato Grosso do Sul, Campo Grande, Brasil.; LUCIO ANDRE DE CASTRO JORGE, CNPDIA; WESLEY GONÇALVES, Universidade Federal do Mato Grosso do Sul, Campo Grande, Brasil.; MATEUS FIGUEIREDO SANTOS, CNPGC; EDSON MATSUBARA, Universidade Federal do Mato Grosso do Sul, Campo Grande, Brasil. |
Año: | 2021 |
Referencia: | Sensors, v. 21, n. 3971, 2021. |
NAL Thesaurus: | Pastures |
Palabras clave: | Deep learning Forage dry matter yield High-throughput phenotyping Brazilian pasture |
Tipo de Material: | Artigo de periódico |
Acceso: | openAccess |
Aparece en las colecciones: | Artigo em periódico indexado (CNPGC) |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
P-Convolutional-Neural-Networks-to-Estimate-Dry-Matter-Yield-in.pdf | 1,13 MB | Adobe PDF | Visualizar/Abrir |