
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 | The University of Queensland (UQ) | - |
| Autor(es): dc.contributor | Universidade Federal de Sergipe (UFS) | - |
| Autor(es): dc.creator | Meneses, Mariana D. | - |
| Autor(es): dc.creator | dos Santos Carreira, Vinicius | - |
| Autor(es): dc.creator | de Almeida Moreira, Bruno Rafael | - |
| Autor(es): dc.creator | do Vale, Welington Gonzaga | - |
| Autor(es): dc.creator | de Souza Rolim, Glauco | - |
| Autor(es): dc.creator | da Silva, Rouverson Pereira | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T16:15:48Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T16:15:48Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2024-09-01 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1002/agj2.21633 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/302157 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/302157 | - |
| Descrição: dc.description | The maturation process of coffee (Coffea arabica) trees exhibits inherent variability, producing fruits at various physiological maturity stages. This variability affects the resistance between the fruit and its peduncle, posing a challenge in mechanized harvesting: non-selective harvesting. A precise classification of coffee fruit detachment force is essential to address this challenge, ensuring coffee's quality and producer's profitability. This study assesses the efficacy of machine learning (ML) models in determining the detachment force across various coffee cultivars under drip-irrigated and rainfed conditions. The dataset included detachment force measurements from 24 cultivars—13 drip-irrigated and 11 rainfed—yielding 1152 data points. Variance analysis compared irrigation methods and three maturity stages: green, cherry, and dry. Detachment force was categorized into four classes based on the dataset's quartile distribution. The ML models utilized were random forest (RF), support vector machine (SVM), K-nearest neighbors, and artificial neural networks. The SVM model was notably effective in classifying detachment force for rainfed cultivars, with a Matthews correlation coefficient (MCC) of 0.78. In contrast, the RF model was particularly adept for drip-irrigated cultivars, with an MCC of 0.75. The highest classification accuracies were recorded for the extreme force classes I and IV, with precision values of 0.93 and 0.8, respectively, while classes II and III had lower precision at 0.57 and 0.69. Implementing these ML models for detachment force classification has been beneficial, improving decision-making in mechanized harvesting systems. | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | Universidade Estadual Paulista “Júlio de Mesquita Filho,” Faculdade de Ciências Agrárias e Veterinárias, Campus Jaboticabal | - |
| Descrição: dc.description | The Queensland Alliance for Agriculture and Food Innovation (QAAFI) The University of Queensland (UQ) | - |
| Descrição: dc.description | Universidade Federal de Sergipe Departamento de Engenharia Agrícola | - |
| Descrição: dc.description | Universidade Estadual Paulista “Júlio de Mesquita Filho,” Faculdade de Ciências Agrárias e Veterinárias, Campus Jaboticabal | - |
| Descrição: dc.description | CAPES: 88887.641456/2021-00 | - |
| Formato: dc.format | 2362-2369 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Agronomy Journal | - |
| ???dc.source???: dc.source | Scopus | - |
| Título: dc.title | Machine learning models for classifying coffee fruits detachment force | - |
| 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: