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.creator | Barbosa Júnior, Marcelo Rodrigues | - |
Autor(es): dc.creator | Moreira, Bruno Rafael de Almeida | - |
Autor(es): dc.creator | Oliveira, Romário Porto de | - |
Autor(es): dc.creator | Shiratsuchi, Luciano Shozo | - |
Autor(es): dc.creator | Silva, Rouverson Pereira | - |
Data de aceite: dc.date.accessioned | 2025-08-21T16:44:37Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T16:44:37Z | - |
Data de envio: dc.date.issued | 2023-03-27 | - |
Data de envio: dc.date.issued | 2023-03-27 | - |
Data de envio: dc.date.issued | 2023-01-25 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/242674 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/242674 | - |
Descrição: dc.description | Predicting sugarcane yield by quality allows stakeholders from research centers to industries to decide on the precise time and place to harvest a product on the field; hence, it can streamline workflow while leveling up the cost-effectiveness of full-scale production. °Brix and Purity can offer significant and reliable indicators of high-quality raw material for industrial processing for food and fuel. However, their analysis in a relevant laboratory can be costly, time-consuming, and not scalable. We, therefore, analyzed whether merging multispectral images and machine learning (ML) algorithms can develop a non-invasive, predictive framework to map canopy reflectance to °Brix and Purity. We acquired multispectral images data of a sugarcane-producing area via unmanned aerial vehicle (UAV) while determining °Brix and analytical Purity from juice in a routine laboratory. We then tested a suite of ML algorithms, namely multiple linear regression (MLR), random forest (RF), decision tree (DT), and support vector machine (SVM) for adequacy and complexity in predicting °Brix and Purity upon single spectral bands, vegetation indices (VIs), and growing degree days (GDD). We obtained evidence for biophysical functions accurately predicting °Brix and Purity. Those can bring at least 80% of adequacy to the modeling. Therefore, our study represents progress in assessing and monitoring sugarcane on an industrial scale. Our insights can offer stakeholders possibilities to develop prescriptive harvesting and resource-effective, high-performance manufacturing lines for by-products. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Versão final do editor | - |
Descrição: dc.description | Universidade Estadual Paulista (Unesp) | - |
Descrição: dc.description | CAPES: 001 | - |
Formato: dc.format | application/pdf | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Frontiers Media | - |
Relação: dc.relation | Frontiers in Plant Science | - |
Direitos: dc.rights | info:eu-repo/semantics/openAccess | - |
Palavras-chave: dc.subject | Remote sensing | - |
Palavras-chave: dc.subject | Sugarcane | - |
Palavras-chave: dc.subject | Ripening | - |
Título: dc.title | UAV imagery data and machine learning: a driving merger for predictive analysis of qualitative yield in sugarcane | - |
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: