Título:	Sugarcane planting failure classification through deep learning approach in drone imagery.
Autoria:	LIMA, J. P. N. de YANO, I. H. SPERANZA, E. A. BARBOSA, L. A. F. CANÇADO, G. M. de A.
Afiliação:	JOÃO PEDRO NASCIMENTO DE LIMA, ANHANGUERA EDUCACIONAL; INACIO HENRIQUE YANO, CNPTIA; EDUARDO ANTONIO SPERANZA, CNPTIA; LUIZ ANTONIO FALAGUASTA BARBOSA, CNPTIA; GERALDO MAGELA DE ALMEIDA CANCADO, CNPTIA.
Ano de publicação:	2022
Referência:	In: MOSTRA DE ESTAGIÁRIOS E BOLSISTAS DA EMBRAPA AGRICULTURA DIGITAL, 1., 2022, Campinas. Resumos... Campinas: Embrapa Agricultura Digital, 2022.
Páginas:	p. 43.
Conteúdo:	Este trabalho realizou testes com a rede YOLOv5, que é uma rede de aprendizado profundo, para a qual existem diversos tutoriais de utilização e aplicativos na internet que auxiliam na marcação dos objetos de interesse, procedimento necessário para treinamento da rede.
Thesagro:	Cana de Açúcar
NAL Thesaurus:	Sugarcane
Palavras-chave:	Aprendizado de máquina Identificação de objetos ImageJ Mapeamento YOLOv5 Machine learning Mapping Object identification
Série:	(Embrapa Agricultura Digital. Eventos técnicos & científicos, 1).
Tipo do material:	Resumo em anais e proceedings
Acesso:	openAccess
Aparece nas coleções:	Resumo em anais de congresso (CNPTIA)