Use este identificador para citar ou linkar para este item: 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.
Autoria: 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.
Afiliação: 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.
Ano de publicação: 2021
Referência: Sensors, v. 21, n. 3971, 2021.
NAL Thesaurus: Pastures
Palavras-chave: Deep learning
Forage dry matter yield
High-throughput phenotyping
Brazilian pasture
Tipo do material: Artigo de periódico
Acesso: openAccess
Aparece nas coleções:Artigo em periódico indexado (CNPGC)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
P-Convolutional-Neural-Networks-to-Estimate-Dry-Matter-Yield-in.pdf1,13 MBAdobe PDFThumbnail
Visualizar/Abrir

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace