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 | de Oliveira, Romário Porto | - |
Autor(es): dc.creator | Barbosa Júnior, Marcelo Rodrigues | - |
Autor(es): dc.creator | Pinto, Antônio Alves | - |
Autor(es): dc.creator | Oliveira, Jean Lucas Pereira | - |
Autor(es): dc.creator | Zerbato, Cristiano | - |
Autor(es): dc.creator | Furlani, Carlos Eduardo Angeli | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:23:23Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:23:23Z | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2022-09-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/agronomy12091992 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/249178 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/249178 | - |
Descrição: dc.description | Multispectral sensors onboard unmanned aerial vehicles (UAV) have proven accurate and fast to predict sugarcane yield. However, challenges to a reliable approach still exist. In this study, we propose to predict sugarcane biometric parameters by using machine learning (ML) algorithms and multitemporal data through the analysis of multispectral images from UAV onboard sensors. The research was conducted on five varieties of sugarcane, as a way to make a robust approach. Multispectral images were collected every 40 days and the evaluated biometric parameters were: number of tillers (NT), plant height (PH), and stalk diameter (SD). Two ML models were used: multiple linear regression (MLR) and random forest (RF). The results showed that models for predicting sugarcane NT, PH, and SD using time series and ML algorithms had accurate and precise predictions. Blue, Green, and NIR spectral bands provided the best performance in predicting sugarcane biometric attributes. These findings expand the possibilities for using multispectral UAV imagery in predicting sugarcane yield, particularly by including biophysical parameters. | - |
Descrição: dc.description | Department of Engineering and Exact Sciences School of Veterinarian and Agricultural Sciences São Paulo State University (Unesp), SP | - |
Descrição: dc.description | Department of Engineering and Exact Sciences School of Veterinarian and Agricultural Sciences São Paulo State University (Unesp), SP | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Agronomy | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | digital agriculture | - |
Palavras-chave: dc.subject | number of tillers | - |
Palavras-chave: dc.subject | plant height | - |
Palavras-chave: dc.subject | spectral bands | - |
Palavras-chave: dc.subject | stalk diameter | - |
Título: dc.title | Predicting Sugarcane Biometric Parameters by UAV Multispectral Images and Machine Learning | - |
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: