Por favor, use este identificador para citar o enlazar este ítem: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1178498
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.contributor.authorVIEIRA, L. P.
dc.contributor.authorSIMÕES, M.
dc.contributor.authorFERRAZ, R. P. D.
dc.contributor.authorKUCHLER, P. C.
dc.contributor.authorLAGE, S. M.
dc.contributor.authorLEITE, F. F. G. D.
dc.contributor.authorFREITAS, P. L. de
dc.contributor.authorMULLER, M. D.
dc.date.accessioned2025-09-03T17:55:43Z-
dc.date.available2025-09-03T17:55:43Z-
dc.date.created2025-09-03
dc.date.issued2025
dc.identifier.citationIn: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 21., 2025, Salvador. Anais [...]. Campinas: Galoá, 2025. Ref. 319707.
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1178498-
dc.descriptionEste trabalho analisa a eficácia da arquitetura U-Net para a segmentação semântica de áreas de Integração Lavoura-Pecuária-Floresta (iLPF), utilizando imagens de satélite Sentinel-2 com bandas NDVI e RGB. A metodologia inclui técnicas de aumento de dados e avaliação por métricas como IoU, precisão e F1-Score. A configuração com NDVI e RGB alcançou uma precisão de 94,58%, F1-Score de 93,91% e IoU de 88,15%, superando o uso isolado do NDVI. Integrando o Projeto GeoABC+, conduzido pela Embrapa Solos e pela UERJ, e em parceria com a Associação Rede ILPF, o Projeto IS-Agro TED 450/2021 e o Projeto CHAMADA FUNDECT 18/2021 - MS CARBONO NEUTRO, este estudo apresenta o desenvolvimento de uma ferramenta para o mapeamento de sistemas iLPF no Brasil.
dc.language.isopor
dc.rightsopenAccess
dc.subjectPlano ABC
dc.subjectILPF
dc.subjectSegmentação semântica
dc.subjectAprendizado profundo
dc.subjectGeoABC+
dc.titleDeep learning para identificação de sistemas integrados de produção agropecuária - iLPF: implementação da U-Net com Sentinel-2.
dc.typeArtigo em anais e proceedings
riaa.ainfo.id1178498
riaa.ainfo.lastupdate2025-09-03
dc.contributor.institutionLUAN PORTO VIEIRA, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO; MARGARETH GONCALVES SIMOES, CNPS; RODRIGO PECANHA DEMONTE FERRAZ, CNPS; PATRICK CALVANO KUCHLER, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO; SOFIA MARTINS LAGE, FUNARBE; FERNANDA F. GRANJA DORILÊO LEITE, REDE ILPF; PEDRO LUIZ DE FREITAS, CNPS; MARCELO DIAS MULLER, CNPGL.
Aparece en las colecciones:Artigo em anais de congresso (CNPS)

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
Deep-learning-para-identificacao-de-sistemas-integrados-2025.pdf802,3 kBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace