Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Federal de Mato Grosso do Sul (UFMS) | - |
Autor(es): dc.contributor | University of Brasília (UnB) | - |
Autor(es): dc.contributor | Catholic University Dom Bosco | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Mato Grosso do Sul State University | - |
Autor(es): dc.contributor | UnB | - |
Autor(es): dc.contributor | Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA) | - |
Autor(es): dc.contributor | Federal University of Mato Grosso | - |
Autor(es): dc.creator | Bambil, Deborah | - |
Autor(es): dc.creator | Pistori, Hemerson | - |
Autor(es): dc.creator | Bao, Francielli [UNESP] | - |
Autor(es): dc.creator | Weber, Vanessa | - |
Autor(es): dc.creator | Alves, Flávio Macedo | - |
Autor(es): dc.creator | Gonçalves, Eduardo Gomes | - |
Autor(es): dc.creator | de Alencar Figueiredo, Lúcio Flávio | - |
Autor(es): dc.creator | Abreu, Urbano G. P. | - |
Autor(es): dc.creator | Arruda, Rafael | - |
Autor(es): dc.creator | Bortolotto, Ieda Maria | - |
Data de aceite: dc.date.accessioned | 2022-08-04T22:08:36Z | - |
Data de disponibilização: dc.date.available | 2022-08-04T22:08:36Z | - |
Data de envio: dc.date.issued | 2022-04-28 | - |
Data de envio: dc.date.issued | 2022-04-28 | - |
Data de envio: dc.date.issued | 2020-11-30 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/s10669-020-09769-w | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/221461 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/221461 | - |
Descrição: dc.description | Morphological characteristics are still the most used tools for the identification of plant species. In this context, leaves are the most available plant organ used, given their perenniality and diversity. Computer-based image analysis help extract morphological features for botanical identification and maybe a solution to taxonomic problems requiring extensively trained specialists that use visual identification as the primary method for this approach. In this study, were collected 40 leaves from 30 trees and shrub species from 19 different families. Here, we compared two popular image capture devices: a scanner and a mobile phone. Features analyzed comprised color, shape, and texture. The performance of both devices was compared through three machine learning algorithms (adaptive boosting—AdaBoost, random forest, support vector machine—SVM) and an artificial neural network model (deep learning). Computer vision showed to be efficient in the identification of species (higher than 93%), with similar results obtained for both mobile phones and scanners. The algorithms SVM, random forest and deep learning performed more efficiently than AdaBoost. Based on the results, we present the Inovtaxon Plant Species Identification Software, available at https://github.com/DeborahBambil/Inovtaxon. | - |
Descrição: dc.description | Fundação de Apoio ao Desenvolvimento do Ensino, Ciência e Tecnologia do Estado de Mato Grosso do Sul | - |
Descrição: dc.description | Department of Plant Biology Federal University of Mato Grosso do Sul (UFMS) | - |
Descrição: dc.description | Department of Cell Biology University of Brasília (UnB) | - |
Descrição: dc.description | Catholic University Dom Bosco | - |
Descrição: dc.description | Bioscience Institute São Paulo State University | - |
Descrição: dc.description | Directory of Informatics Mato Grosso do Sul State University | - |
Descrição: dc.description | Department of Botany UnB | - |
Descrição: dc.description | Embrapa Pantanal | - |
Descrição: dc.description | Federal University of Mato Grosso | - |
Descrição: dc.description | Bioscience Institute São Paulo State University | - |
Formato: dc.format | 480-484 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Environment Systems and Decisions | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Computer vision | - |
Palavras-chave: dc.subject | Deep learning | - |
Palavras-chave: dc.subject | Inovtaxon | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Morphology | - |
Palavras-chave: dc.subject | Neural networks | - |
Palavras-chave: dc.subject | Taxonomy | - |
Título: dc.title | Plant species identification using color learning resources, shape, texture, through machine learning and artificial neural networks | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: