Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA) | - |
Autor(es): dc.creator | Neto, Alfredo Bonini | - |
Autor(es): dc.creator | de Souza, Angela V. | - |
Autor(es): dc.creator | Bonini, Carolina dos S. B. | - |
Autor(es): dc.creator | de Mello, Jéssica M. | - |
Autor(es): dc.creator | Moreira, Adonis | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:11:38Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:11:38Z | - |
Data de envio: dc.date.issued | 2023-03-02 | - |
Data de envio: dc.date.issued | 2023-03-02 | - |
Data de envio: dc.date.issued | 2021-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1590/1809-4430-Eng.Agric.v42n3e20210197/2022 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/241916 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/241916 | - |
Descrição: dc.description | Brazil is currently the 4th world’s largest banana producer, producing around 7 million tons. In this scenario, several studies have been developed with a large amount of data, such as climatic, morphological, and nutritional data, in an attempt to improve these numbers even further. This study aims to classify banana ripening stages by artificial neural networks (ANN) as a function of plant physical, physicochemical, and biochemical parameters. The used ANN consisted of a three-layer feedforward backpropagation network, with eight neurons in the input layer (physical, physicochemical, and biochemical parameters), ten neurons in the intermediate layer, and two neurons in the output layer (classification of banana ripening stages). The results showed three configurations. ANN presented an excellent result for the training phase, with 100% accuracy in the sample classification for the three configurations. The validation and testing phases, that is, the classification of samples that were not part of the training, showed 91.6% and 94.4% accuracy in the first and second configurations, respectively, and 89.5% accuracy in the third configuration. | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | São Paulo State University (UNESP) School of Sciences and Engineering, São Paulo State | - |
Descrição: dc.description | São Paulo State University (UNESP) College of Agricultural and Technological Sciences, São Paulo State | - |
Descrição: dc.description | Department of Soil Science, Paraná State, Embrapa Soja | - |
Descrição: dc.description | São Paulo State University (UNESP) School of Sciences and Engineering, São Paulo State | - |
Descrição: dc.description | São Paulo State University (UNESP) College of Agricultural and Technological Sciences, São Paulo State | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Engenharia Agricola | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Artificial intelligence | - |
Palavras-chave: dc.subject | Banana stages | - |
Palavras-chave: dc.subject | Estimation | - |
Palavras-chave: dc.subject | Mathematical modeling | - |
Título: dc.title | CLASSIFICATION OF BANANA RIPENING STAGES BY ARTIFICIAL NEURAL NETWORKS AS A FUNCTION OF PLANT PHYSICAL, PHYSICOCHEMICAL, AND BIOCHEMICAL PARAMETERS | - |
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: