
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 | Oviedo Espinosa, Maurycio R. | - |
| Autor(es): dc.creator | Porto, Letícia R. | - |
| Autor(es): dc.creator | Orlando, Vinicius S.W. | - |
| Autor(es): dc.creator | Tommaselli, Antonio M.G. | - |
| Autor(es): dc.creator | Dal Poz, Aluir P. | - |
| Autor(es): dc.creator | Imai, Nilton N. | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T18:26:22Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T18:26:22Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2024-11-03 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.5194/isprs-annals-X-3-2024-303-2024 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/308111 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/308111 | - |
| Descrição: dc.description | Brazil is the largest producer of oranges in the world and the automatic detection of fruits has been a challenging task in the context of remote sensing, due to variations in fruit appearance, changes in lighting and occlusions of foliage and neighboring fruits. In this sense, this paper focus on the detection of oranges in multispectral images, with different spectral bands and exposures, using a convolutional neural network (CNN) known as YOU ONLY LOOK ONCE (YOLO). The results indicate that, after 300 epochs, the model demonstrated an accuracy of 81.5% and an approximate recovery rate of 85%. Shutter speeds 1/640s and 1/250s are not suitable for detection due to low light and overexposure, respectively. Intermediate values may be more suitable for identifying a larger number of fruits. | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
| Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | São Paulo State University (UNESP), São Paulo | - |
| Descrição: dc.description | São Paulo State University (UNESP), São Paulo | - |
| Descrição: dc.description | FAPESP: 2021/06029-7 | - |
| Descrição: dc.description | CNPq: 308747/2021-6 | - |
| Descrição: dc.description | CAPES: 88887.817757/2023-00 | - |
| Descrição: dc.description | CAPES: 88887.840159/2023-00 | - |
| Formato: dc.format | 303-308 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Agriculture | - |
| Palavras-chave: dc.subject | Close-range | - |
| Palavras-chave: dc.subject | Computer Vision | - |
| Palavras-chave: dc.subject | Deep learning | - |
| Palavras-chave: dc.subject | Fruit detection | - |
| Título: dc.title | Evaluation of YOLO Efficiency in Automatic Orange Detection in Multi-Exposure Images | - |
| Tipo de arquivo: dc.type | aula 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: