Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
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.
Análise de carbono de solo com deep learning
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/1088635
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Casanova, Dalcimar | - |
| Autor(es): dc.contributor | Tonial, Larissa Macedo dos Santos | - |
| Autor(es): dc.contributor | Casanova, Dalcimar | - |
| Autor(es): dc.contributor | Tonial, Larissa Macedo dos Santos | - |
| Autor(es): dc.contributor | Ascari, Rúbia Eliza de Oliveira Schultz | - |
| Autor(es): dc.contributor | Guarneri, Giovanni Alfredo | - |
| Autor(es): dc.creator | Suemitsu, Rafael Antonio | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T12:04:53Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T12:04:53Z | - |
| Data de envio: dc.date.issued | 2024-08-09 | - |
| Data de envio: dc.date.issued | 2024-08-09 | - |
| Data de envio: dc.date.issued | 2024-06-20 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/34381 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1088635 | - |
| Descrição: dc.description | In agriculture, the measurement of soil organic matter is essential as its varying levels directly influence the outcomes of harvests, therefore requiring diligent management by farmers. Currently, the most used method used to measure organic matter content is a labor-intensive laboratory process with multiple stages, that generates chemical waste. To address this issue, a rapid, easy, and clean measurement method is needed. One possible solution is to perform the analysis using image processing and intelligent systems employing deep learning, especially Convolutional Neural Network (CNN), which have proven highly effective in their applications. In this context, this study proposes to train and utilize a CNN-based model, using a database of Red, Green, Blue (RGB) images of collected Cambisol and Latosol soil samples labeled according to detected carbon content. The hypothesis evaluated in this study is that variations in soil organic matter content result in color and texture variations detectable in images by the three CNN models used: Resnet50, Resnet18, and a custom model, trained on images divided into three sets with Region of Interest (ROI) treatment, focusing solely on the soil sample area within the image. Before testing the carbon content, two introductory tests were conducted to classify the images between the two types of soil, Latosol and Cambisol. During training, the sets were divided by the holdout method into training, validation, and test sets, with the proportion and other variations of the tests such as normalization and data augmentation chosen empirically. The validation of the results was done using accuracy and confusion matrix for classifications. For the regression of carbon content, the Mean Absolute Error (MAE), Mean Squared Error (MSE), and Coeficiente de Determinação (R²) were used, along with scatter plots with the real and models estimated values. In the analysis of the results, all the tests conducted showed overfitting, concluding that with RGB images and the set of images used, it was not possible to classify or obtain a good estimate for the organic carbon content. | - |
| Descrição: dc.description | Na agricultura, a medição da matéria orgânica presente no solo é imprescindível, ela influencia diretamente nos resultados das colheitas, portanto, os agricultores precisam ter um bom controle de seus níveis. Atualmente, o método mais utilizado para medir os teores de matéria orgânica é um processo laboratorial demorado com diversas etapas, que geram resíduos químicos. Para ajudar neste problema, um método rápido, fácil e limpo para medição se faz necessário. Uma possível solução é fazer a análise utilizando processamento de imagens e sistemas inteligentes utilizando deep learning, especialmente as Convolutional Neural Network (CNN)s têm se provado muito eficiente em suas aplicações. Neste sentido, este trabalho propõe-se em treinar e utilizar um modelo baseado em CNN, utilizando uma base de dados de imagens Red, Green, Blue (RGB) das amostras de solo cambissolo e latossolo, solos minerais subsuperficiais, coletadas e rotuladas de acordo com teores de carbono detectados. A hipótese avaliada neste trabalho é que variações nos teores de matéria orgânica no solo resultam em variações de cor e textura que podem ser detectados nas imagens pelos três modelos de CNN utilizados, a Resnet50, Resnet18 e um modelo personalizado, treinados a partir das imagens separadas em três conjuntos com tratamento do Region of interest (ROI), utilizando somente a parte da amostra de solo na imagem. Antes dos testes da estimativa dos teores de carbono foram realizados dois testes introdutórios de classificação das imagens entre os dois tipos de solos, Latotosso e Cambissolo. No treinamento os conjuntos foram divididos pelo método holdout em conjuntos de treino, validação e teste, com proporção e demais variações dos testes como normalização e data augmentation escolhidos empiricamente. A validação dos resultados foi feita utilizando acurácia e matriz de confusão para as classificações. Para a regressão dos teores de carbono foram utilizados o Mean Absolute Error (MAE), Mean Squared Error (MSE) e Coeficiente de Determinação (R²), além de gráficos de dispersão com os valores reais e valores estimados pelos modelos. Na análise dos resultados, todos os testes realizados apresentaram overfitting, conclui-se que com imagens RGB e o conjunto de imagens utilizado não foi possível classificar nem obter uma boa estimativa para os teores de carbono orgânico. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Pato Branco | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Departamento Acadêmico de Informática | - |
| Publicador: dc.publisher | Engenharia de Computação | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Palavras-chave: dc.subject | Carbono | - |
| Palavras-chave: dc.subject | Redes neurais (Computação) | - |
| Palavras-chave: dc.subject | Processamento de imagens | - |
| Palavras-chave: dc.subject | Carbon | - |
| Palavras-chave: dc.subject | Neural networks (Computer science) | - |
| Palavras-chave: dc.subject | Image processing | - |
| Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
| Título: dc.title | Análise de carbono de solo com deep learning | - |
| Título: dc.title | Soil organic matter analisys with deep learning | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
Não existem arquivos associados a este item.
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:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo