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 | Universidade Federal de Uberlândia (UFU) | - |
Autor(es): dc.creator | Pereira, Fernando Vasconcelos | - |
Autor(es): dc.creator | Orlando, Vinicius Silva Werneck | - |
Autor(es): dc.creator | Martins, George Deroco | - |
Autor(es): dc.creator | Vieira, Bruno Sérgio | - |
Autor(es): dc.creator | Nascimento, Eduardo Soares | - |
Autor(es): dc.creator | Marra, Aline Barrocá | - |
Autor(es): dc.creator | de Lourdes Bueno Trindade Galo, Maria | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:35:52Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:35:52Z | - |
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-3-2024-317-2024 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/309747 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/309747 | - |
Descrição: dc.description | Brazil plays a crucial role in the global economy due to its significant contribution to the agricultural sector, particularly in coffee production, where it stands out as the largest producer and exporter of processed coffee. Various disturbances can influence coffee plants, causing abnormalities that can hinder their successful growth. Parameters such as plant height and canopy diameter play an essential role in assessing the health and productivity of the plants, reflecting their growth, development, and ability to capture sunlight. Additionally, height is also related to the balanced distribution of nutrients and water, providing valuable information about overall performance and the capacity for healthy production. In this regard, the application of methodologies involving remote sensing and machine learning algorithms has shown promising results in the rapid and safe acquisition of information about agricultural systems. This study evaluates different machine learning algorithms, using radiometric values from multispectral images obtained by remote sensing platforms as input datasets for estimating plant height and canopy diameter in coffee cultivation. The best performance was observed for architectures that showed lower RMSE and RMSE% values. For the plant height parameter (m), the RGB sensor exhibited the best performance using the Random Tree algorithm, with an RMSE (0.27) and RMSE% (8.80). For the canopy diameter (m), the sensor showed the best performance using the Random Forest algorithm, with an RMSE (0.15) and RMSE% (8.16). | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
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 | Federal University of Uberlândia (UFU), Minas Gerais | - |
Descrição: dc.description | São Paulo State University (UNESP), São Paulo | - |
Descrição: dc.description | FAPESP: 2021/06029-7 | - |
Descrição: dc.description | CAPES: 88887.817758/2023-00 | - |
Descrição: dc.description | CAPES: 88887.817766/2023-00 | - |
Descrição: dc.description | CAPES: 88887.817769/2023-00 | - |
Descrição: dc.description | CAPES: 88887.835305/2023-00 | - |
Formato: dc.format | 317-323 | - |
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 | Canopy Diameter | - |
Palavras-chave: dc.subject | Coffee Crop | - |
Palavras-chave: dc.subject | Machine Learning | - |
Palavras-chave: dc.subject | Multispectral Images | - |
Palavras-chave: dc.subject | Plant Height | - |
Palavras-chave: dc.subject | Productivity Indicators | - |
Título: dc.title | Estimating coffee crop parameters through multispectral imaging and machine learning algorithms | - |
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: