Obtaining and validating high-density coffee yield data (2022)
- Authors:
- USP affiliated authors: MOLIN, JOSE PAULO - ESALQ ; BAZAME, HELIZANI COUTO - ESALQ ; MARTELLO, MAURÍCIO - ESALQ
- Unidade: ESALQ
- DOI: 10.3390/horticulturae8050421
- Subjects: AGRICULTURA DE PRECISÃO; CAFÉ; COLETA DE DADOS; COLHEDORAS; VARIABILIDADE ESPACIAL
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Horticulturae
- ISSN: 2311-7524
- Volume/Número/Paginação/Ano: v. 8, art. 421, p. 1-16, 2022
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
MARTELLO, Maurício e MOLIN, José Paulo e BAZAME, Helizani Couto. Obtaining and validating high-density coffee yield data. Horticulturae, v. 8, p. 1-16, 2022Tradução . . Disponível em: https://doi.org/10.3390/horticulturae8050421. Acesso em: 31 mar. 2026. -
APA
Martello, M., Molin, J. P., & Bazame, H. C. (2022). Obtaining and validating high-density coffee yield data. Horticulturae, 8, 1-16. doi:10.3390/horticulturae8050421 -
NLM
Martello M, Molin JP, Bazame HC. Obtaining and validating high-density coffee yield data [Internet]. Horticulturae. 2022 ; 8 1-16.[citado 2026 mar. 31 ] Available from: https://doi.org/10.3390/horticulturae8050421 -
Vancouver
Martello M, Molin JP, Bazame HC. Obtaining and validating high-density coffee yield data [Internet]. Horticulturae. 2022 ; 8 1-16.[citado 2026 mar. 31 ] Available from: https://doi.org/10.3390/horticulturae8050421 - Detection, classification, and mapping of coffee fruits during harvest with computer vision
- Detection of coffee fruits on tree branches using computer vision
- Mapping coffee yield with computer vision
- Use of active sensors in coffee cultivation for monitoring crop yield
- Definition of optimal maize seeding rates based on the potential yield of management zones
- Precision agriculture and the digital contributions for site-specific management of the fields
- Energy efficiency of variable rate fertilizer application in coffee production in Brazil
- Assessing rainfall spatial variability in the Brazilian savanna region with TMPA rainfall dataset
- Uncertainty quantification for hydrological models based on neural networks: the dropout ensemble
- Quantification and classification of coffee fruits with 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 | |
|---|---|---|---|
 |
3086633-Obtaining and val... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
