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
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by
-
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: 28 dez. 2025. -
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 2025 dez. 28 ] 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 2025 dez. 28 ] 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
- Mapping coffee yield with computer vision
- A system for plant detection using sensor fusion approach based on machine learning model
- Evaluation of Minimum Preparation Sampling Strategies for Sugarcane Quality Prediction by vis-NIR Spectroscopy
- 3D data processing to characterize the spatial variability of sugarcane fields
- 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 o DOI: 10.5935/1806-6690.20200088 (Fonte: oaDOI API)
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
