Visão computacional aplicada à predição de altura de pastagens
A pecuária de corte exige uma boa estimativa da quantidade de alimento no pasto para evitar situações de sub e sobrepastejo. A altura da vegetação correlaciona com a quantidade de matéria seca e pode ser usada como métrica para estimativas da disponibilidade de alimento no pasto. Este trabalho propõ...
Guardado en:
| Autores principales: | , , |
|---|---|
| Formato: | Objeto de conferencia |
| Lenguaje: | Portugués |
| Publicado: |
2024
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/176983 |
| Aporte de: |
| id |
I19-R120-10915-176983 |
|---|---|
| record_format |
dspace |
| spelling |
I19-R120-10915-1769832025-02-27T20:06:43Z http://sedici.unlp.edu.ar/handle/10915/176983 Visão computacional aplicada à predição de altura de pastagens Gasparoni, Wendell Lüdtke Ferreira, Ana Paula Moraes Genro, Teresa Cristina 2024-08 2024 2025-02-27T12:58:39Z pt Ciencias Informáticas beef cattle production CNN machine learning vegetation management A pecuária de corte exige uma boa estimativa da quantidade de alimento no pasto para evitar situações de sub e sobrepastejo. A altura da vegetação correlaciona com a quantidade de matéria seca e pode ser usada como métrica para estimativas da disponibilidade de alimento no pasto. Este trabalho propõe uma solução para a determinação da altura média da vegetação baseada em visão computacional, utilizando redes neurais convolucionais. As espécies de pasto usadas nos modelos são vegetação nativa dos campos sul-brasileiros, azevém e capim-sudão, mas a técnica pode ser usada para qualquer outro tipo de vegetação. A coleta de dados usa imagens capturadas pelo aplicativo H-Pasture a partir de celulares comuns, diminuindo custos operacionais e aumentando a agilidade nos processos de tomada de decisão, promovendo uma gestão sustentável dos recursos naturais. Os resultados obtidos apresentam coeficientes de correlação de 0,9249 para pastagens nativas, 0,9312 para azevém e 0,7292 para capim-sudão. Os resultados ainda podem ser aprimorados, mas destacam o potencial da técnica proposta para o aprimoramento do manejo de pastagens, com possíveis aplicações nos modelos de negócio baseados em pecuária extensiva. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 58-71 |
| institution |
Universidad Nacional de La Plata |
| institution_str |
I-19 |
| repository_str |
R-120 |
| collection |
SEDICI (UNLP) |
| language |
Portugués |
| topic |
Ciencias Informáticas beef cattle production CNN machine learning vegetation management |
| spellingShingle |
Ciencias Informáticas beef cattle production CNN machine learning vegetation management Gasparoni, Wendell Lüdtke Ferreira, Ana Paula Moraes Genro, Teresa Cristina Visão computacional aplicada à predição de altura de pastagens |
| topic_facet |
Ciencias Informáticas beef cattle production CNN machine learning vegetation management |
| description |
A pecuária de corte exige uma boa estimativa da quantidade de alimento no pasto para evitar situações de sub e sobrepastejo. A altura da vegetação correlaciona com a quantidade de matéria seca e pode ser usada como métrica para estimativas da disponibilidade de alimento no pasto. Este trabalho propõe uma solução para a determinação da altura média da vegetação baseada em visão computacional, utilizando redes neurais convolucionais. As espécies de pasto usadas nos modelos são vegetação nativa dos campos sul-brasileiros, azevém e capim-sudão, mas a técnica pode ser usada para qualquer outro tipo de vegetação. A coleta de dados usa imagens capturadas pelo aplicativo H-Pasture a partir de celulares comuns, diminuindo custos operacionais e aumentando a agilidade nos processos de tomada de decisão, promovendo uma gestão sustentável dos recursos naturais. Os resultados obtidos apresentam coeficientes de correlação de 0,9249 para pastagens nativas, 0,9312 para azevém e 0,7292 para capim-sudão. Os resultados ainda podem ser aprimorados, mas destacam o potencial da técnica proposta para o aprimoramento do manejo de pastagens, com possíveis aplicações nos modelos de negócio baseados em pecuária extensiva. |
| format |
Objeto de conferencia Objeto de conferencia |
| author |
Gasparoni, Wendell Lüdtke Ferreira, Ana Paula Moraes Genro, Teresa Cristina |
| author_facet |
Gasparoni, Wendell Lüdtke Ferreira, Ana Paula Moraes Genro, Teresa Cristina |
| author_sort |
Gasparoni, Wendell |
| title |
Visão computacional aplicada à predição de altura de pastagens |
| title_short |
Visão computacional aplicada à predição de altura de pastagens |
| title_full |
Visão computacional aplicada à predição de altura de pastagens |
| title_fullStr |
Visão computacional aplicada à predição de altura de pastagens |
| title_full_unstemmed |
Visão computacional aplicada à predição de altura de pastagens |
| title_sort |
visão computacional aplicada à predição de altura de pastagens |
| publishDate |
2024 |
| url |
http://sedici.unlp.edu.ar/handle/10915/176983 |
| work_keys_str_mv |
AT gasparoniwendell visaocomputacionalaplicadaapredicaodealturadepastagens AT ludtkeferreiraanapaula visaocomputacionalaplicadaapredicaodealturadepastagens AT moraesgenroteresacristina visaocomputacionalaplicadaapredicaodealturadepastagens |
| _version_ |
1847925309169467392 |