Show simple item record

dc.contributor.advisorSilva, Alexandre César Rodrigues da [UNESP]
dc.contributor.authorSartin, Maicon Aparecido [UNESP]
dc.date.accessioned2014-12-02T11:16:58Z
dc.date.available2014-12-02T11:16:58Z
dc.date.issued2014-08-01
dc.identifier.citationSARTIN, Maicon Aparecido. Projeto e implementação de redes neurais artificiais em distintos níveis de abstrações para o reconhecimento de deficiências de diversos macronutrientes e cultivares. 2014. 251 f. Tese (doutorado) - Universidade Estadual Paulista Júlio de Mesquita Filho, Faculdade de Engenharia de Ilha Solteira, 2014.
dc.identifier.urihttp://hdl.handle.net/11449/111155
dc.description.abstractThe precision agriculture seeks improve the agricultural production system with aim of reduce costs, increase productivity and minimize environment degradation. Thus, the monitoring of essential resources plants is necessary for reducing the use of inputs agricultural. In the monitoring of the plant leaf can be identi ed disease or nutrients de ciency. This research work was made a system that identi es the nutrient de ciency by leaf of the several cultivars. The system was developed in di erent levels of abstractions for consolidate the results of the system and facilitate low-level design. The main contribution of the work is in the development of a multilayer arti cial neural network system in recon gurable device, with the function of identify de ciency of the Potassium macronutrient by soybean leaf. The system makes use of partially parallel architecture for computing of the neuron in oating point, with precision 32 bits standardized. The approximation of the activation function was investigated with methods distinct, two main hybrids methods were developed: HPR - Hybrid with relation between piecewise linear(PWL) and multiple addressing of inputs (RALUT), and HPC - Hybrid between PWL and the simpli ed booleans expressions. The system developed in hardware was applied in the images segmentation by soybean leaves and was compared to high-level system. In the results of the recon gurable device the mean of the hit percentage by leaf is 92%, in the trefoil is 96% and in external environment is 95%. The mean square error achieved values in 10􀀀2 and the quality factor between 8.5 and 9.0. Furthermore, several others contributions were made in the work for make possible the development of the system in abstraction low-level.en
dc.description.abstractCom o uso da agricultura de precis~ao procura-se melhorar o sistema de produ c~ao agr cola com o objetivo de reduzir os custos, aumentar a produtividade e minimizar a degrada c~ao do meio ambiente. Para isso, faz-se necess ario o monitoramento de recursos essenciais as plantas com o intuito de reduzir o uso de insumos agr colas. No monitoramento da folha da planta pode-se identi car doen cas ou a falta de nutrientes. Neste trabalho desenvolveuse um sistema que identi ca a de ci encia de nutrientes pela an alise das folhas de diversas culturas. O sistema foi desenvolvido em diferentes n veis de abstra c~oes para consolidar os resultados do sistema e facilitar o projeto em baixo n vel. A principal contribui c~ao do trabalho est a no desenvolvimento de um sistema com uma rede neural arti cial multicamadas em dispositivo recon gur avel, com a fun c~ao de identi car a de ci encia do macronutriente de Pot assio pela folha da soja. O sistema faz uso de arquitetura parcialmente paralela para computa c~ao dos neur onios em ponto utuante, com precis~ao de 32 bits padronizada. A aproxima c~ao da fun c~ao de ativa c~ao foi investigada com diversos m etodos, dois principais m etodos h bridos foram desenvolvidos: HPR - H brido com rela c~ao entre divis~ao em partes lineares (PWL) e m ultiplo endere camento de entradas (RALUT), e HPC - H brido entre PWL e express~oes booleanas simpli cadas. O sistema desenvolvido em hardware foi aplicado na segmenta c~ao de imagens pelas folhas da soja e comparado ao sistema de alto n vel de abstra c~ao. Nos resultados do dispositivo recon gur avel, a m edia do percentual de acertos na folha e de 92%, no trif olio e de 96% e no ambiente externo e de 95%. O erro m edio quadr atico alcan cou valores em 10􀀀2 e o fator de qualidade entre 8,5 e 9,0. Alem disso, diversas outras contribuições foram realizadas no trabalho, para tornar possível o desenvolvimento do sistema em baixo nível de abstração.pt
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
dc.description.sponsorshipFundação de Amparo à Pesquisa do Estado de Mato Grosso (FAPEMAT)
dc.format.extent251 f. : il. color.
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (UNESP)
dc.sourceAleph
dc.subjectRedes neurais (Computação)pt
dc.subjectProcessamento de imagens - Tecnicas digitaispt
dc.subjectAgricultura de precisãopt
dc.subjectNeural networks (Computer science)pt
dc.titleProjeto e implementação de redes neurais artificiais em distintos níveis de abstrações para o reconhecimento de deficiências de diversos macronutrientes e cultivarespt
dc.typeTese de doutorado
dc.contributor.institutionUniversidade Estadual Paulista (UNESP)
dc.rights.accessRightsAcesso aberto
unesp.graduateProgramEngenharia Elétrica - FEISpt
unesp.knowledgeAreaAutomaçãopt
unesp.researchAreaControle e instrumentação eletrônicapt
unesp.campusUniversidade Estadual Paulista (UNESP), Faculdade de Engenharia, Ilha Solteirapt
dc.identifier.aleph000799101
dc.identifier.file000799101.pdf
dc.identifier.capes33004099080P0
unesp.author.lattes7360563327585400[1]
unesp.author.orcid0000-0003-3646-7801[1]
Localize o texto completo

Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record