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 de São Paulo (USP) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Universidade Federal de Viçosa (UFV) | - |
Autor(es): dc.creator | Sudki, Julia Marconato | - |
Autor(es): dc.creator | Fonseca de Oliveira, Gustavo Roberto | - |
Autor(es): dc.creator | de Medeiros, André Dantas | - |
Autor(es): dc.creator | Mastrangelo, Thiago | - |
Autor(es): dc.creator | Arthur, Valter | - |
Autor(es): dc.creator | Amaral da Silva, Edvaldo Aparecido | - |
Autor(es): dc.creator | Mastrangelo, Clíssia Barboza | - |
Data de aceite: dc.date.accessioned | 2025-08-21T22:20:24Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T22:20:24Z | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2022-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3389/fpls.2023.1112916 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/248489 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/248489 | - |
Descrição: dc.description | The sanitary quality of seed is essential in agriculture. This is because pathogenic fungi compromise seed physiological quality and prevent the formation of plants in the field, which causes losses to farmers. Multispectral images technologies coupled with machine learning algorithms can optimize the identification of healthy peanut seeds, greatly improving the sanitary quality. The objective was to verify whether multispectral images technologies and artificial intelligence tools are effective for discriminating pathogenic fungi in tropical peanut seeds. For this purpose, dry peanut seeds infected by fungi (A. flavus, A. niger, Penicillium sp., and Rhizopus sp.) were used to acquire images at different wavelengths (365 to 970 nm). Multispectral markers of peanut seed health quality were found. The incubation period of 216 h was the one that most contributed to discriminating healthy seeds from those containing fungi through multispectral images. Texture (Percent Run), color (CIELab L*) and reflectance (490 nm) were highly effective in discriminating the sanitary quality of peanut seeds. Machine learning algorithms (LDA, MLP, RF, and SVM) demonstrated high accuracy in autonomous detection of seed health status (90 to 100%). Thus, multispectral images coupled with machine learning algorithms are effective for screening peanut seeds with superior sanitary quality. | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Laboratory of Radiobiology and Environment Center for Nuclear Energy in Agriculture University of São Paulo (CENA/USP), SP | - |
Descrição: dc.description | Department of Crop Science College of Agricultural Sciences Faculdade de Ciências Agronômicas (FCA) São Paulo State University (UNESP) | - |
Descrição: dc.description | Department of Agronomy Federal University of Viçosa (UFV) | - |
Descrição: dc.description | Department of Crop Science College of Agricultural Sciences Faculdade de Ciências Agronômicas (FCA) São Paulo State University (UNESP) | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Frontiers in Plant Science | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Arachis hypogaeaL | - |
Palavras-chave: dc.subject | Aspergillusspp | - |
Palavras-chave: dc.subject | machine learning | - |
Palavras-chave: dc.subject | seed health | - |
Palavras-chave: dc.subject | support vector machine | - |
Título: dc.title | Fungal identification in peanuts seeds through multispectral images: Technological advances to enhance sanitary quality | - |
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: