Sugarcane planting failure classfication through deep learning approach in drone imagery.

Sugarcane planting failure classfication through deep learning approach in drone imagery.

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.

Guardado en:
Detalles Bibliográficos
Autores principales: LIMA, J. P. N. de, YANO, I. H., SPERANZA, E. A., BARBOSA, L. A. F., CANÇADO, G. M. de A.
Otros Autores: 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.
Formato: Anais e Proceedings de eventos biblioteca
Idioma:Portugues
pt_BR
Publicado: In: MOSTRA DE ESTAGIÁRIOS E BOLSISTAS DA EMBRAPA AGRICULTURA DIGITAL, 1., 2022, Campinas. Resumos... Campinas: Embrapa Agricultura Digital, 2022. 2023-01-25
Materias:Aprendizado de máquina, Identificação de objetos, ImageJ, Mapeamento, YOLOv5, Machine learning, Mapping, Object identification, Cana de Açúcar, Sugarcane,
Acceso en línea:http://www.alice.cnptia.embrapa.br/alice/handle/doc/1151227
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

http://www.alice.cnptia.embrapa.br/alice/handle/doc/1151227

Ejemplares similares