Use este identificador para citar ou linkar para este item: http://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/1176016
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorCAVALCANTI, F. R.
dc.date.accessioned2025-05-26T17:49:08Z-
dc.date.available2025-05-26T17:49:08Z-
dc.date.created2025-05-26
dc.date.issued2025
dc.identifier.citationBento Gonçalves, RS: Embrapa Uva e Vinho, maio 2025.
dc.identifier.issn1981-1004
dc.identifier.urihttp://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/1176016-
dc.descriptionAvanços tecnológicos têm impulsionado o uso de inteligência artificial na detecção e previsão de doenças em plantas. Este trabalho desenvolveu um modelo de classificação em aprendizado de máquina, combinando SVC, Regressão Logística e Random Forest, com o objetivo de reproduzir os alertas de pulverização do método GMAHM (Embrapa/MAHM) para controle do míldio da videira. Utilizando o Scikit-Learn e um conjunto de dados com 1.200 linhas e 168 variáveis ambientais, o processo envolveu tratamento de dados, normalização, treinamento dos modelos, validação cruzada e otimização de hiperparâmetros. O modelo obteve 97% de acurácia no teste inicial, mas 84% com novos dados, indicando leve superestimação. Apesar disso, mostrou-se promissor para treinamentos com observações de campo visando versões mais precisas do Embrapa/MAHM.
dc.language.isopor
dc.relation.ispartofseries(Embrapa Uva e VInho. Boletim de Pesquisa e Desenvolvimento, 36).
dc.rightsopenAccess
dc.subjectAprendizado de máquina
dc.subjectMáquinas de vetores de suporte
dc.subjectRegressão logística
dc.subjectFloresta aleatória
dc.subjectCiência de dados
dc.titleModelo de aprendizado supervisionado para validações a campo do algoritmo Embrapa/MAHM.
dc.typeFolhetos
dc.description.notesCGPE: 19049
dc.format.extent29 p.
riaa.ainfo.id1176016
riaa.ainfo.lastupdate2025-05-26
dc.contributor.institutionFABIO ROSSI CAVALCANTI, CNPUV.
Aparece nas coleções:Boletim de Pesquisa e Desenvolvimento (CNPUV)

Arquivos associados a este item:
Arquivo TamanhoFormato 
BolPD-36.pdf774.15 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace