
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.creator | Miranda, Jonathan da Rocha | - |
| Autor(es): dc.creator | Alves, Marcelo de Carvalho | - |
| Autor(es): dc.creator | Pozza, Edson Ampélio | - |
| Autor(es): dc.creator | Santos Neto, Helon | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:20:26Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:20:26Z | - |
| Data de envio: dc.date.issued | 2020-08-19 | - |
| Data de envio: dc.date.issued | 2020-08-19 | - |
| Data de envio: dc.date.issued | 2020-03 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/42491 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1138804 | - |
| Descrição: dc.description | Coffee berry necrosis is a fungal disease that, at a high level, significantly affects coffee productivity. With the advent of surface mapping satellites, it was possible to obtain information about the spectral signature of the crop on a time scale pertinent to the monitoring and detection of plant phenological changes. The objective of this paper was to define the best machine learning algorithm that is able to classify the incidence CBN as a function of Landsat 8 OLI images in different atmospheric correction methods. Landsat 8 OLI images were acquired at the dates closest to sampling anthracnose field data at three times corresponding to grain filling period and were submitted to atmospheric corrections by DOS, ATCOR, and 6SV methods. The images classified by the algorithms of machine learning, Random Forest, Multilayer Perceptron and Naive Bayes were tested 30 times in random sampling. Given the overall accuracy of each test, the algorithms were evaluated using the Friedman and Nemenyi tests to identify the statistical difference in the treatments. The obtained results indicated that the overall accuracy and the balanced accuracy index were on an average around 0.55 and 0.45, respectively, for the Naive Bayes and Multilayer Perceptron algorithms in the ATCOR atmospheric correction. According to the Friedman and Nemenyi tests, both algorithms were defined as the best classifiers. These results demonstrate that Landsat 8 OLI images were able to identify an incidence of the coffee berry necrosis by means of machine learning techniques, a fact that cannot be observed by the Pearson correlation. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Elsevier | - |
| Direitos: dc.rights | acesso aberto | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0/ | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0/ | - |
| ???dc.source???: dc.source | International Journal of Applied Earth Observation and Geoinformation | - |
| Palavras-chave: dc.subject | Data mining | - |
| Palavras-chave: dc.subject | Spectral behavior | - |
| Palavras-chave: dc.subject | Accuracy | - |
| Palavras-chave: dc.subject | Colletotrichum ssp. | - |
| Palavras-chave: dc.subject | Atmospheric correction | - |
| Palavras-chave: dc.subject | Mineração de dados | - |
| Palavras-chave: dc.subject | Comportamento espectral | - |
| Palavras-chave: dc.subject | Café - Doenças | - |
| Palavras-chave: dc.subject | Processamento digital de imagens de satélite | - |
| Palavras-chave: dc.subject | Antracnose | - |
| Palavras-chave: dc.subject | Correção atmosférica | - |
| Título: dc.title | Detection of coffee berry necrosis by digital image processing of landsat 8 oli satellite imagery | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: