USPLeaf: Automatic leaf area determination using a computer vision system (Registro n. 86704)
[ somente texto ]
| 000 -LÍDER | |
|---|---|
| fixed length control field | 04601nab a2200289 i 4500 |
| 003 - CÓDIGO MARC DA AGÊNCIA CATALOGADORA | |
| Campo de controle | BR-BrBNA |
| 005 - DATA E HORA DA ÚLTIMA ATUALIZAÇÃO | |
| Campo de controle | 20231214141215.0 |
| 008 - CAMPO DE TAMANHO FIXO | |
| fixed length control field | 231110b2020 bl.qr|pooa||| 00| 0 eng | |
| 040 ## - FONTE DA CATALOGAÇÃO | |
| Agência catalogadora | BR-BrBNA |
| Idioma da catalogação | eng |
| 072 ## - CATEGORIA AGRIS | |
| Código AGRIS | F61 |
| 072 ## - CATEGORIA AGRIS | |
| Código AGRIS | U10 |
| 100 ## - ENTRADA PRINCIPAL - NOME PESSOAL | |
| Nome pessoal | Meira, Luiz Antonio |
| 100 ## - ENTRADA PRINCIPAL - NOME PESSOAL | |
| Nome pessoal | Pereira, Lilian Elgalise Techio |
| 100 ## - ENTRADA PRINCIPAL - NOME PESSOAL | |
| Nome pessoal | Santos, Manoel Eduardo Rozalino |
| 100 ## - ENTRADA PRINCIPAL - NOME PESSOAL | |
| Nome pessoal | Tech, Adriano Rogério Bruno |
| 245 ## - TÍTULO PRINCIPAL | |
| Título principal | USPLeaf: Automatic leaf area determination using a computer vision system |
| 500 ## - NOTA GERAL | |
| Nota geral | Publicação on-line; 24 ref.; 3 illus.; 3 tables; Summaries (En, Pt) |
| 942 ## - ADDED ENTRY ELEMENTS (KOHA) | |
| Koha item type | |
| 520 ## - NOTA DE RESUMO | |
| Nota de conteúdo | <br/><br/>ABSTRACT - Computer vision systems based on digital image processing have been proposed as alternative tools to traditional methods to estimate leaf area, replacing the most time-consuming steps and laboring manual measurements. However, many of the available applications are still based on manual determination of leaf dimensions or require excessive and laborious user interventions before providing results. USPLeaf was designed to process images containing single or multiple leaves, and automatically determine the leaf area without user intervention. The accuracy for leaf area measurements of the software was compared to the results obtained by the standard method, an electronic planimeter (LI-3100). The vegetal species, Mavuno grass (MAV, Urochloa hybrid) and Macrotyloma axillare (MAC), were chosen because they are characterized by different leaf shapes. A smartphone camera was used as image capture device. When using a standard black paper square of 9 cm², both LI3100 and USPLeaf provided accurate and precise results, with an estimated average area of 8.90 and 9.00 cm² and a standard deviation of 0.17% and 0.00%, respectively. The relative error rate for the vegetal species varied from -6.37 to 2.25%. The regression analysis indicated that the software was a precise tool to estimate leaf area (R²=0.983 for MAV and 0.977 for MAC), but it also revealed that samples inferior to 25 cm² for grasses and 15 cm² for legume species should be avoided. The software can be used as an automated tool in image processing aiming to determine leaf area from digital images<br/><br/>.<br/>Key words: Image processing. Edge detection. Image segmentation. Information extraction. |
| 520 ## - NOTA DE RESUMO | |
| Nota de conteúdo | <br/><br/>RESUMO - Sistemas de visão computacional baseados no processamento de imagens digitais têm sido propostos como<br/>ferramentas alternativas aos métodos tradicionais de estimativa de área foliar, substituindo etapas mais demoradas e medições<br/>manuais. No entanto, muitas aplicações disponíveis ainda se baseiam na determinação manual das dimensões foliares ou<br/>requerem intervenções excessivas do usuário para obter resultados. O USPLeaf foi planejado para processar imagens de<br/>amostras de folhas individuais ou múltiplas e determinar automaticamente a área foliar sem intervenção do usuário. A acurácia<br/>nas medidas da área foliar do software foi comparada com os resultados obtidos pelo método padrão, utilizando planímetro<br/>eletrônico (LI-3100). As espécies vegetais capim Mavuno (MAV, híbrido de Urochloa) e Macrotyloma axillare (MAC) foram<br/>escolhidas por possuírem diferentes formatos do limbo foliar. O dispositivo de captura de imagem utilizado foi a câmera de<br/>um smartphone. Quando utilizado uma figura padrão (quadrado em papel preto) de 9 cm², o LI-3100 e o USPLeaf obtiveram<br/>elevada acurácia e precisão, com área média de 8,90 e 9,00 cm² e desvio padrão de 0,17% e 0,00%, respectivamente. A taxa<br/>relativa de erro para as espécies variou de -6,37 a 2,25%. A análise de regressão indicou que o software foi uma ferramenta<br/>precisa na estimativa da área foliar (R² = 0,983 para MAV e 0,977 para MAC), mas apontou que amostras inferiores a 25 cm²<br/>para gramíneas e 15 cm² para leguminosas devem ser evitadas. O software pode ser usado como ferramenta automatizada na<br/>análise imagens visando a determinação da área foliar.<br/><br/><br/>Palavras-chave: Processamento de imagem. Detecção de borda. Segmentação de imagens. Extração de informações |
| 650 ## - ASSUNTO - THESAGRO | |
| Cabeçalho tópico ou nome geográfico | ÁREA FOLIAR |
| 650 ## - ASSUNTO - THESAGRO | |
| Cabeçalho tópico ou nome geográfico | PROGRAMA DE COMPUTADOR |
| 650 ## - ASSUNTO - THESAGRO | |
| Cabeçalho tópico ou nome geográfico | TECNOLOGIA |
| 773 0# - ENTRADA ANALÍTICA | |
| Host Biblionumber | 4290 |
| Registro do item | 25562 |
| Imprenta | Fortaleza-CE Universidade Federal do Ceará. Centro de Ciências Agrárias 2002 |
| Outro identificador | 2023-436128 |
| Título | Revista Ciência Agronômica (Brazil) |
| ISSN | 0045-6888; 1806-6690 (on-line) |
| Colação | v. 51(4) p, 1-10; (2020) |
| Número de controle de registro | BR2023002024 |
| 856 ## - ACESSO E ENDEREÇO ELETRÔNICO | |
| Identificador uniforme de recurso - URI | https://www.scielo.br/j/rca/a/dTPYpNHVQVvsP5Qmg33NGdm/?format=pdf&lang=en |
Nenhum exemplar disponível.
BINAGRI