Um modelo de rede neural para estimar a produtividade de milho a partir de imagens de satélite
| Orientador(a) (dc.contributor.advisor) | Ramos, Gabriel de Oliveira | |
| Lattes Orientador(a) (dc.contributor.advisorLattes) | http://lattes.cnpq.br/9281736089055094 | pt_BR |
| Autor(a) (dc.contributor.author) | Apoitia, Carlos Eduardo de Moura | |
| Autor(a) Lattes (dc.contributor.authorLattes) | http://lattes.cnpq.br/1850211082054247 | pt_BR |
| Data de Disponibilização (dc.date.accessioned) | 2023-02-07T17:51:42Z | |
| dc.date.available (dc.date.available) | 2023-02-07T17:51:42Z | |
| Data da defesa / Data do evento (dc.date.issued) | 2022-09-26 | |
| Abstract (dc.description.abstract) | The soy moratorium has been an important instrument aimed at reducing deforestation in the Amazon biome. However, the existence of illegal deforestation of forests grows proportionally with the numbers of embargoed lands. Since in the moratorium there are some loopholes that have been exploited by producers linked to deforestation and practices such as grain laundering, which makes it difficult for analysts and control agencies to identify the real productivity of a property. This work proposes a model of artificial neural networks, called Deep Yield Prediction (DYP), capable of decoding the information learned using convolutional neural networks (CNN) in corn crop yield predictions, in a way that helps in the identification of how much a property will produce. Therefore collaborating to break the cycle of grain laundering and illegal deforestation in the Amazon biome. | en |
| Resumo (dc.description.resumo) | A moratória da soja tem sido um importante instrumento que visa reduzir o desmatamento no bioma amazônico. No entanto, a existência do desmatamento ilegal das florestas crescer proporcionalmente com os números de terras embargadas. Visto que na moratória existem algumas brechas que vêm sendo exploradas por produtores ligados ao desmatamento e práticas como a lavagem de grãos, o que dificulta aos analistas e órgãos controle na identificação da produtividade real de um imóvel. Este trabalho propõe um modelo de redes neurais artificiais, denominado Deep Yield Prediction (DYP), capaz de decodificar as informações aprendidas usando redes neurais convolucionais (CNN) em predições de produtividade de safras de milho, de forma que auxilie na identificação de quanto um imóvel produzirá. Colaborando assim, para a quebra do ciclo de lavagem de grãos e desmatamento ilegal no bioma Amazônico. | pt_BR |
| Agência de fomento (dc.description.sponsorship) | Nenhuma | pt_BR |
| URI (dc.identifier.uri) | http://www.repositorio.jesuita.org.br/handle/UNISINOS/12151 | |
| Idioma (dc.language) | pt_BR | pt_BR |
| Nome da instituição (dc.publisher) | Universidade do Vale do Rio dos Sinos | pt_BR |
| País da Instituição (dc.publisher.country) | Brasil | pt_BR |
| Departamento (dc.publisher.department) | Escola Politécnica | pt_BR |
| Sigla da Instituição (dc.publisher.initials) | Unisinos | pt_BR |
| Programa (dc.publisher.program) | Programa de Pós-Graduação em Computação Aplicada | pt_BR |
| Direitos de acesso ao documento (dc.rights) | openAccess | pt_BR |
| Assunto (dc.subject) | Agricultura inteligente | pt_BR |
| Assunto (dc.subject) | Aprendizado de máquina | pt_BR |
| Assunto (dc.subject) | Desmatamento | pt_BR |
| Assunto (dc.subject) | Inteligência artificial | pt_BR |
| Assunto (dc.subject) | Estimativa de produtividade de safras | pt_BR |
| Assunto (dc.subject) | Redes Neurais Convolucionais | pt_BR |
| Assunto (dc.subject) | Artificial intelligence | en |
| Assunto (dc.subject) | Convolutional Neural NetWork (CNN) | en |
| Assunto (dc.subject) | Crop yield prediction | en |
| Assunto (dc.subject) | Deforestation | en |
| Assunto (dc.subject) | Machine learning | en |
| Assunto (dc.subject) | Smart agriculture | en |
| Tema (CNPq) (dc.subject.cnpq) | ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação | pt_BR |
| Título (dc.title) | Um modelo de rede neural para estimar a produtividade de milho a partir de imagens de satélite | pt_BR |
| Tipo de arquivo (dc.type) | Dissertação | pt_BR |
Arquivos
Pacote original
1 - 1 de 1
Carregando...
- Nome:
- Carlos Eduardo de Moura Apoitia_PROTEGIDO.pdf
- Tamanho:
- 3.25 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
- modelo_rede
Licença do pacote
1 - 1 de 1
Carregando...
- Nome:
- license.txt
- Tamanho:
- 2.12 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: