
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 | Mancini, Marcelo | - |
| Autor(es): dc.creator | Weindorf, David C. | - |
| Autor(es): dc.creator | Monteiro, Maria Eduarda Carvalho | - |
| Autor(es): dc.creator | Faria, Álvaro José Gomes de | - |
| Autor(es): dc.creator | Teixeira, Anita Fernanda dos Santos | - |
| Autor(es): dc.creator | Lima, Wellington de | - |
| Autor(es): dc.creator | Lima, Francielle Roberta Dias de | - |
| Autor(es): dc.creator | Dijair, Thaís Santos Branco | - |
| Autor(es): dc.creator | Marques, Francisco D'Auria | - |
| Autor(es): dc.creator | Ribeiro, Diego | - |
| Autor(es): dc.creator | Silva, Sérgio Henrique Godinho | - |
| Autor(es): dc.creator | Chakraborty, Somsubhra | - |
| Autor(es): dc.creator | Curi, Nilton | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:46:07Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:46:07Z | - |
| Data de envio: dc.date.issued | 2020-09-25 | - |
| Data de envio: dc.date.issued | 2020-09-25 | - |
| Data de envio: dc.date.issued | 2020-10 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/43206 | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.1016/j.geoderma.2020.114471 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1167898 | - |
| Descrição: dc.description | Soil color has historically drawn humans’ attention, although its definition is somewhat subjective. It is correlated with several soil attributes and it allows for inferences about several soil aspects. New proximal sensors, such as the Nix™ Pro color sensor, can determine soil color values, but its correlation with the widely used Munsell soil color chart (MSCC) has yet to be investigated. This work aimed to train machine learning models using the Random Forest (RF) algorithm to predict each notation of MSCC chips from data extracted by the Nix™ Pro sensor, test the model’s accuracy by evaluating whether it can identify MSCC chips using a brand-new and a dirty MSCC, and compare model predictions with soil color classifications made by the human eye. Additionally, MSCC data obtained via Nix™ was compared to Munsell renotation data to assess the color detection accuracy of the sensor. Prediction models were calibrated by scanning every MSCC chip (437 in total) in triplicate. All validation samples were excluded from model calibration. Accuracy of the predictions of MSCC notation reached overall accuracy and Kappa index values of 0.93 for the brand-new MSCC and of 0.70 for the dirty MSCC. Soil color classification by human eye had little agreement with the predicted MSCC notation, as expected due to the variable conditions affecting soil color conventional determination in the field. Color difference was calculated by the Euclidian distance (ΔE*ab) between three color stimuli in the CIELAB color space. The mean ΔE*ab between Nix™-provided data and renotation data was 2.9, demonstrating high color detection accuracy. The Nix™ Pro color sensor allows for assessment of accurate color data. When applied together with machine learning algorithms, Nix™ Pro provides a reliable determination of soil color classification equivalent to MSCC in an easily reproducible, rapid, inexpensive and non-subjective way. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Elsevier | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Geoderma | - |
| Palavras-chave: dc.subject | Proximal sensors | - |
| Palavras-chave: dc.subject | Random Forest | - |
| Palavras-chave: dc.subject | Prediction models | - |
| Palavras-chave: dc.subject | Pedology | - |
| Palavras-chave: dc.subject | Color system | - |
| Palavras-chave: dc.subject | Sensores proximais | - |
| Palavras-chave: dc.subject | Floresta Aleatória | - |
| Palavras-chave: dc.subject | Modelos de predição | - |
| Palavras-chave: dc.subject | Pedologia | - |
| Palavras-chave: dc.subject | Sistema de cores | - |
| Palavras-chave: dc.subject | Solos tropicais - Cores | - |
| Título: dc.title | From sensor data to Munsell color system: machine learning algorithm applied to tropical soil color classification via Nix™ Pro sensor | - |
| 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: