Precision agriculture and the digital contributions for site-specific management of the fields (2020)
- Authors:
- USP affiliated authors: MOLIN, JOSE PAULO - ESALQ ; BAZAME, HELIZANI COUTO - ESALQ ; MALDANER, LEONARDO FELIPE - ESALQ ; CORRÊDO, LUCAS DE PAULA - ESALQ ; MARTELLO, MAURÍCIO - ESALQ ; CANATA, TATIANA FERNANDA - ESALQ
- Unidade: ESALQ
- DOI: 10.5935/1806-6690.20200088
- Subjects: AGRICULTURA DE PRECISÃO; COLETA DE DADOS; COMPUTAÇÃO EM NUVEM; INTELIGÊNCIA ARTIFICIAL; INTERNET DAS COISAS; PRODUÇÃO AGRÍCOLA; SISTEMAS DE APOIO À DECISÃO
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Revista Ciência Agronômica
- ISSN: 1806-6690
- Volume/Número/Paginação/Ano: v. 51, n. Special Agriculture 4.0, art. e20207720, p. 1-10, 2020
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
MOLIN, Jose Paulo et al. Precision agriculture and the digital contributions for site-specific management of the fields. Revista Ciência Agronômica, v. 51, n. Special Agriculture 4.0, p. 1-10, 2020Tradução . . Disponível em: https://doi.org/10.5935/1806-6690.20200088. Acesso em: 31 mar. 2026. -
APA
Molin, J. P., Bazame, H. C., Maldaner, L. F., Corredo, L. de P., Martello, M., & Canata, T. F. (2020). Precision agriculture and the digital contributions for site-specific management of the fields. Revista Ciência Agronômica, 51( Special Agriculture 4.0), 1-10. doi:10.5935/1806-6690.20200088 -
NLM
Molin JP, Bazame HC, Maldaner LF, Corredo L de P, Martello M, Canata TF. Precision agriculture and the digital contributions for site-specific management of the fields [Internet]. Revista Ciência Agronômica. 2020 ; 51( Special Agriculture 4.0): 1-10.[citado 2026 mar. 31 ] Available from: https://doi.org/10.5935/1806-6690.20200088 -
Vancouver
Molin JP, Bazame HC, Maldaner LF, Corredo L de P, Martello M, Canata TF. Precision agriculture and the digital contributions for site-specific management of the fields [Internet]. Revista Ciência Agronômica. 2020 ; 51( Special Agriculture 4.0): 1-10.[citado 2026 mar. 31 ] Available from: https://doi.org/10.5935/1806-6690.20200088 - Predicting the sugarcane yield in real-time by harvester engine parameters and machine learning approaches
- Evaluation of Minimum Preparation Sampling Strategies for Sugarcane Quality Prediction by vis-NIR Spectroscopy
- Mapping coffee yield with computer vision
- 3D data processing to characterize the spatial variability of sugarcane fields
- A system for plant detection using sensor fusion approach based on machine learning model
- Definition of optimal maize seeding rates based on the potential yield of management zones
- Sugarcane Harvester for In-field Data Collection:: State of the Art, Its Applicability and Future Perspectives
- Detection, classification, and mapping of coffee fruits during harvest with computer vision
- Obtaining and validating high-density coffee yield data
- Detection of coffee fruits on tree branches using computer vision
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3042923-Precision agricul... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
