
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 | Lopes, Fabricio Martins | - |
| Autor(es): dc.contributor | https://orcid.org/0000-0002-8786-3313 | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/1660070580824436 | - |
| Autor(es): dc.contributor | Saito, Priscila Tiemi Maeda | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/6652293216938994 | - |
| Autor(es): dc.contributor | Oliveira, Claiton de | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/8851289265109891 | - |
| Autor(es): dc.contributor | Lopes, Fabricio Martins | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/1660070580824436 | - |
| Autor(es): dc.contributor | Bugatti, Pedro Henrique | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/2177467029991118 | - |
| Autor(es): dc.contributor | Saito, Priscila Tiemi Maeda | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/6652293216938994 | - |
| Autor(es): dc.creator | Pacanhela, Eber Fabiano | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T13:00:55Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T13:00:55Z | - |
| Data de envio: dc.date.issued | 2023-10-05 | - |
| Data de envio: dc.date.issued | 2023-10-05 | - |
| Data de envio: dc.date.issued | 2023-08-09 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/32622 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1105930 | - |
| Descrição: dc.description | Soybean is the most cultivated oilseed in the world, with many varieties, high economic valeu, and higth protein content. Soybean production requires large amounts of nitrogen for the plant’s nutrition. This nutrient can be supplied through chemical fertilizers, which harm the environment. However, the biological nitrogen fixation (BNF) process has effectively increased productivity and minimized environmental impacts. BNFoccurs through the symbiotic association of diazotrophic bacteria in the system of legumes and oilseeds, where root nodules are formed. It is Known that technological advancements have driven the adoption of digital technologies inagriculture to improve efficiency and productivity, reduce environmental impacts, and promote hamn health. Due to its economic importance, soybean cultivation canbenfit from these technologies. This study proposes developing a computational intelligence methodology based on image processing and computer vision to analyze, classify, and automatically detect the root nodules resulting from BNF in soybean crops. In which, a future study, the effectiveness of nidulation can be evaluated, conseidering the quantity of nodules. For this purpose, classical models and convolutional neural networks are adopted for the classification task and computer vision models for nodule detection. The resuls show that traditional models and convolutional neural networks are promising for the classification task. In the detection task, convolutional neural networks demonstrated improved performance. However, there is still room for improvement to enhance nodule detection accurary in soybean cultivar roots. | - |
| Descrição: dc.description | A soja é a oleaginosa mais cultivada no mundo, possui grande número de variedades, alto valor econômico e elevado teor proteico. A produção de soja requer grandes quantidades de nitrogênio para a nutrição da planta. O nutriente pode ser fornecido por fertilizantes químicos, prejudicais ao meio ambiente. No entanto, o processo de fixação biológica do nitrogênio (FBN) tem sido uma opção eficaz para aumentar a produtividade e minimizar os impactos ambientais. A FBN ocorre por meio da associação simbiótica de bactérias diazotróficas no sistema radicular de leguminosas e oleaginosas, onde nódulos radiculares são formados. Sabe-se que o avanço tecnológico tem impulsionado a adoção de tecnologias digitais na agricultura visando melhorar a eficiência e a produtividade do cultivo, reduzir impactos ambientais e promover a saúde humana. A sojicultura, devido à sua importancia econômica, também pode ser beneficiada por essas tecnologias. Nesse contexto, este trabalho propõe o desenvolvimento de uma metodologia de inteligência computacional baseada em processamento de imagens e visão computacional para analisar, classificar e detectar automaticamente os nódulos radiculares resultantes da FBN na cultura da soja. No qual, em um estudo futuro a eficácia da nodulação em soja poderá ser avaliada, levando em consideração a quantidade de nódulos. Para isso, são adotados modelos clássicos e redes convolucionais para a tarefa de classificação, bem como modelos de visão computacional para deteccção de nódulos. Os resultados obtidos mostram que tanto os modelos tradicionais quanto as redes neurais convolucionais são promissores para a tarefa de classificação. Já na detecção as redes neurais convolucionais demonstraram desempenho aprimorado. No entanto, ainda há espaço para melhorias visando aprimorar a precisão na detecção de nódulos em raízes de cultivares de soja. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Cornelio Procopio | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Programa de Pós-Graduação em Informática | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Palavras-chave: dc.subject | Soja - Biotecnologia | - |
| Palavras-chave: dc.subject | Vegetação - Classificação | - |
| Palavras-chave: dc.subject | Agricultura - Aspectos ambientais | - |
| Palavras-chave: dc.subject | Soybean - Biotechnology | - |
| Palavras-chave: dc.subject | Vegetation - Classification | - |
| Palavras-chave: dc.subject | Agriculture - Environmental aspects | - |
| Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA | - |
| Palavras-chave: dc.subject | Ciência da Computação | - |
| Título: dc.title | Análise, classificação e detecção automática de nódulos em raízes de cultivares de soja | - |
| Título: dc.title | Classification, and automatic detection of nodules in soybean roots | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
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: