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 | Abade, André | - |
Autor(es): dc.creator | Porto, Lucas Faria | - |
Autor(es): dc.creator | Ferreira, Paulo Afonso | - |
Autor(es): dc.creator | Vidal, Flávio de Barros | - |
Data de aceite: dc.date.accessioned | 2024-10-23T16:04:56Z | - |
Data de disponibilização: dc.date.available | 2024-10-23T16:04:56Z | - |
Data de envio: dc.date.issued | 2022-02-11 | - |
Data de envio: dc.date.issued | 2022-02-11 | - |
Data de envio: dc.date.issued | 2021-12 | - |
Fonte completa do material: dc.identifier | https://repositorio.unb.br/handle/10482/42868 | - |
Fonte completa do material: dc.identifier | https://doi.org/10.1016/j.biosystemseng.2021.11.016 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/899333 | - |
Descrição: dc.description | Phytoparasitic nematodes (or phytonematodes) are causing severe damage to crops and generating large-scale economic losses worldwide. In soybean crops, annual losses are estimated at 10.6% of the world production. Besides, the identification of these species through microscopic analysis by an expert with taxonomic knowledge is often laborious, time-consuming, and susceptible to failure. From this perspective, robust and automatic approaches are necessary for identifying phytonematodes that are capable of providing correct diagnoses for the classification of species and subsidizing of all control and prevention measures. This work presents a new public data set called NemaDataset containing 3063 microscopic images from five nematode species with the most significant damage relevance for the soybean crop. Additionally, we propose a new Convolutional Neural Network (CNN) model defined as NemaNet and present a comparative assessment with thirteen popular models of CNNs, all of them representing state-of-the art classification and recognition. The general average was calculated for each model, on a from-scratch training; the NemaNet model reached 96.76% accuracy, while the best evaluation fold reached 98.04%. When training with transfer learning was performed, the average accuracy reached 98.82%. The best evaluation fold reached 99.35%, and overall accuracy improvements of over 6.83% and 4.1%, for from-scratch and transfer learning training, respectively, compared to other popular models were achieved. | - |
Publicador: dc.publisher | Elsevier | - |
Relação: dc.relation | https://www.sciencedirect.com/science/article/abs/pii/S153751102100283X | - |
Direitos: dc.rights | Acesso Restrito | - |
Direitos: dc.rights | © 2021 IAgrE. Published by Elsevier Ltd. All rights reserved. | - |
Palavras-chave: dc.subject | Plantas - doenças e pragas | - |
Palavras-chave: dc.subject | Fitonematóide | - |
Palavras-chave: dc.subject | Nematoda em plantas | - |
Palavras-chave: dc.subject | Deep Learning | - |
Palavras-chave: dc.subject | Redes neurais convolucionais | - |
Título: dc.title | NemaNet : a convolutional neural network model for identification of soybean nematodes | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB |
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: