ReP USP - Resultado da busca

Artigo de periodico
Leaf nitrogen classification of common bean (phaseolus vulgaris l.) using deep learning models and images (2025)
Tavares, Marcos Silva ; Regazzo, Jamile Raquel ; Silva, Thiago; Sardinha, Edson José de Souza ; Baesso, Murilo Mesquita
Source: Engenharia Agrícola. Unidades: FZEA, ESALQ
Subjects: APRENDIZADO COMPUTACIONAL, DIAGNOSE FOLIAR, FEIJÃO, IMAGEM DIGITAL, NITROGÊNIO, NUTRIÇÃO VEGETAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
TAVARES, Marcos Silva et al. Leaf nitrogen classification of common bean (phaseolus vulgaris l.) using deep learning models and images. Engenharia Agrícola, v. 45, p. 1-12, 2025Tradução . . Disponível em: https://doi.org/10.1590/1809-4430-Eng.Agric.v45e20250028/2025. Acesso em: 28 nov. 2025.
APA
Tavares, M. S., Regazzo, J. R., Silva, T., Sardinha, E. J. de S., & Baesso, M. M. (2025). Leaf nitrogen classification of common bean (phaseolus vulgaris l.) using deep learning models and images. Engenharia Agrícola, 45, 1-12. doi:10.1590/1809-4430-Eng.Agric.v45e20250028/2025
NLM
Tavares MS, Regazzo JR, Silva T, Sardinha EJ de S, Baesso MM. Leaf nitrogen classification of common bean (phaseolus vulgaris l.) using deep learning models and images [Internet]. Engenharia Agrícola. 2025 ; 45 1-12.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1590/1809-4430-Eng.Agric.v45e20250028/2025
Vancouver
Tavares MS, Regazzo JR, Silva T, Sardinha EJ de S, Baesso MM. Leaf nitrogen classification of common bean (phaseolus vulgaris l.) using deep learning models and images [Internet]. Engenharia Agrícola. 2025 ; 45 1-12.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1590/1809-4430-Eng.Agric.v45e20250028/2025
Artigo de periodico
Translucency of chicken eggs: proposal of an automated system for analysis and classification (2025)
Castro Júnior, Sérgio Luís de ; Cândido, Ana Elisa Custódio Montes ; Silva, Ana Carolina de Sousa ; Silva, Iran José Oliveira da
Source: Poultry Science. Unidades: ESALQ, FZEA
Subjects: APRENDIZADO COMPUTACIONAL, GALINHAS, IMAGEM DIGITAL, OVO, SEGURANÇA ALIMENTAR, VISÃO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CASTRO JÚNIOR, Sérgio Luís de et al. Translucency of chicken eggs: proposal of an automated system for analysis and classification. Poultry Science, v. 104, p. 1-10, 2025Tradução . . Disponível em: https://doi.org/10.1016/j.psj.2025.105612. Acesso em: 28 nov. 2025.
APA
Castro Júnior, S. L. de, Cândido, A. E. C. M., Silva, A. C. de S., & Silva, I. J. O. da. (2025). Translucency of chicken eggs: proposal of an automated system for analysis and classification. Poultry Science, 104, 1-10. doi:10.1016/j.psj.2025.105612
NLM
Castro Júnior SL de, Cândido AECM, Silva AC de S, Silva IJO da. Translucency of chicken eggs: proposal of an automated system for analysis and classification [Internet]. Poultry Science. 2025 ; 104 1-10.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1016/j.psj.2025.105612
Vancouver
Castro Júnior SL de, Cândido AECM, Silva AC de S, Silva IJO da. Translucency of chicken eggs: proposal of an automated system for analysis and classification [Internet]. Poultry Science. 2025 ; 104 1-10.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1016/j.psj.2025.105612
Artigo de periodico
Classification of the nutritional condition of bean plants (Phaseolus Vulgaris) using convolutional neural networks and image analysis (2025)
Couto, Julia; Regazzo, Jamile ; Baesso, Murilo Mesquita ; Tech, Adriano Rogério Bruno ; Silva, Thiago
Source: Engenharia Agrícola. Unidades: FZEA, IQ, ESALQ
Subjects: AGRICULTURA DE PRECISÃO, APRENDIZADO COMPUTACIONAL, ESTADO NUTRICIONAL, FEIJÃO, FERTILIZANTES NITROGENADOS, NITROGÊNIO, PROCESSAMENTO DE IMAGENS, REDES NEURAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
COUTO, Julia et al. Classification of the nutritional condition of bean plants (Phaseolus Vulgaris) using convolutional neural networks and image analysis. Engenharia Agrícola, v. 45, n. 1 Nesp, p. 1-6, 2025Tradução . . Disponível em: https://doi.org/10.1590/1809-4430-Eng.Agric.v45nespe120240223/2025. Acesso em: 28 nov. 2025.
APA
Couto, J., Regazzo, J., Baesso, M. M., Tech, A. R. B., & Silva, T. (2025). Classification of the nutritional condition of bean plants (Phaseolus Vulgaris) using convolutional neural networks and image analysis. Engenharia Agrícola, 45( 1 Nesp), 1-6. doi:10.1590/1809-4430-Eng.Agric.v45nespe120240223/2025
NLM
Couto J, Regazzo J, Baesso MM, Tech ARB, Silva T. Classification of the nutritional condition of bean plants (Phaseolus Vulgaris) using convolutional neural networks and image analysis [Internet]. Engenharia Agrícola. 2025 ; 45( 1 Nesp): 1-6.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1590/1809-4430-Eng.Agric.v45nespe120240223/2025
Vancouver
Couto J, Regazzo J, Baesso MM, Tech ARB, Silva T. Classification of the nutritional condition of bean plants (Phaseolus Vulgaris) using convolutional neural networks and image analysis [Internet]. Engenharia Agrícola. 2025 ; 45( 1 Nesp): 1-6.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1590/1809-4430-Eng.Agric.v45nespe120240223/2025
Artigo de periodico
Machine learning in the classification of RGB images of maize (Zea mays L.) using texture attributes and different doses of nitrogen (2025)
Silva, Thiago Lima da ; Devechio, Fernanda de Fátima da Silva ; Tavares, Marcos Silva ; Regazzo, Jamile Raquel ; Sardinha, Edson José de Souza ; Altão, Liliane Maria Romualdo; Oliveira, Gabriel Pagin de Carvalho Nunes ; Tech, Adriano Rogério Bruno ; Baesso, Murilo Mesquita
Source: AgriEngineering. Unidades: FZEA, ESALQ
Subjects: APRENDIZADO COMPUTACIONAL, DIAGNOSE FOLIAR, FERTILIZANTES NITROGENADOS, MILHO, NITROGÊNIO, NUTRIÇÃO VEGETAL, PROCESSAMENTO DE IMAGENS, REDES NEURAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVA, Thiago Lima da et al. Machine learning in the classification of RGB images of maize (Zea mays L.) using texture attributes and different doses of nitrogen. AgriEngineering, v. 7, p. 1-22, 2025Tradução . . Disponível em: https://doi.org/10.3390/agriengineering7100317. Acesso em: 28 nov. 2025.
APA
Silva, T. L. da, Devechio, F. de F. da S., Tavares, M. S., Regazzo, J. R., Sardinha, E. J. de S., Altão, L. M. R., et al. (2025). Machine learning in the classification of RGB images of maize (Zea mays L.) using texture attributes and different doses of nitrogen. AgriEngineering, 7, 1-22. doi:10.3390/agriengineering7100317
NLM
Silva TL da, Devechio F de F da S, Tavares MS, Regazzo JR, Sardinha EJ de S, Altão LMR, Oliveira GP de CN, Tech ARB, Baesso MM. Machine learning in the classification of RGB images of maize (Zea mays L.) using texture attributes and different doses of nitrogen [Internet]. AgriEngineering. 2025 ; 7 1-22.[citado 2025 nov. 28 ] Available from: https://doi.org/10.3390/agriengineering7100317
Vancouver
Silva TL da, Devechio F de F da S, Tavares MS, Regazzo JR, Sardinha EJ de S, Altão LMR, Oliveira GP de CN, Tech ARB, Baesso MM. Machine learning in the classification of RGB images of maize (Zea mays L.) using texture attributes and different doses of nitrogen [Internet]. AgriEngineering. 2025 ; 7 1-22.[citado 2025 nov. 28 ] Available from: https://doi.org/10.3390/agriengineering7100317
Artigo de periodico
Accuracy of early pregnancy diagnosis and determining pregnancy loss using different biomarkers and machine learning applications in dairy cattle (2024)
Ferraz, Priscila Assis ; Poit, Diego Angelo Schmidt; Pinto, Leonardo Marin Ferreira ; Guerra, Arthur Cobayashi; Laurindo Neto, Adomar ; Prado, Francisco Luiz do; Azrak, Alexandre José; Çakmakçi, Cihan; Baruselli, Pietro Sampaio ; Pugliesi, Guilherme
Source: Theriogenology. Unidades: FMVZ, FZEA
Subjects: BOVINOS LEITEIROS, BIOMARCADORES, PRENHEZ, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
FERRAZ, Priscila Assis et al. Accuracy of early pregnancy diagnosis and determining pregnancy loss using different biomarkers and machine learning applications in dairy cattle. Theriogenology, v. 224, p. 82-93, 2024Tradução . . Disponível em: https://doi.org/10.1016/j.theriogenology.2024.05.006. Acesso em: 28 nov. 2025.
APA
Ferraz, P. A., Poit, D. A. S., Pinto, L. M. F., Guerra, A. C., Laurindo Neto, A., Prado, F. L. do, et al. (2024). Accuracy of early pregnancy diagnosis and determining pregnancy loss using different biomarkers and machine learning applications in dairy cattle. Theriogenology, 224, 82-93. doi:10.1016/j.theriogenology.2024.05.006
NLM
Ferraz PA, Poit DAS, Pinto LMF, Guerra AC, Laurindo Neto A, Prado FL do, Azrak AJ, Çakmakçi C, Baruselli PS, Pugliesi G. Accuracy of early pregnancy diagnosis and determining pregnancy loss using different biomarkers and machine learning applications in dairy cattle [Internet]. Theriogenology. 2024 ; 224 82-93.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1016/j.theriogenology.2024.05.006
Vancouver
Ferraz PA, Poit DAS, Pinto LMF, Guerra AC, Laurindo Neto A, Prado FL do, Azrak AJ, Çakmakçi C, Baruselli PS, Pugliesi G. Accuracy of early pregnancy diagnosis and determining pregnancy loss using different biomarkers and machine learning applications in dairy cattle [Internet]. Theriogenology. 2024 ; 224 82-93.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1016/j.theriogenology.2024.05.006
Artigo de periodico
Machine learning applied to estate pricing for residential rentals in dynamic urban markets: the case of São Paulo city (2024)
Maia, Wesley Ferreira ; David, Sérgio Adriani
Source: Engineering Analysis with Boundary Elements. Unidades: FZEA, ICMC
Subjects: APRENDIZADO COMPUTACIONAL, PROCESSAMENTO DE LINGUAGEM NATURAL, SISTEMA DE INFORMAÇÃO GEOGRÁFICA, REGRESSÃO LINEAR, ALUGUEL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MAIA, Wesley Ferreira e DAVID, Sérgio Adriani. Machine learning applied to estate pricing for residential rentals in dynamic urban markets: the case of São Paulo city. Engineering Analysis with Boundary Elements, v. 169, p. 1-12, 2024Tradução . . Disponível em: https://doi.org/10.1016/j.enganabound.2024.105988. Acesso em: 28 nov. 2025.
APA
Maia, W. F., & David, S. A. (2024). Machine learning applied to estate pricing for residential rentals in dynamic urban markets: the case of São Paulo city. Engineering Analysis with Boundary Elements, 169, 1-12. doi:10.1016/j.enganabound.2024.105988
NLM
Maia WF, David SA. Machine learning applied to estate pricing for residential rentals in dynamic urban markets: the case of São Paulo city [Internet]. Engineering Analysis with Boundary Elements. 2024 ; 169 1-12.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1016/j.enganabound.2024.105988
Vancouver
Maia WF, David SA. Machine learning applied to estate pricing for residential rentals in dynamic urban markets: the case of São Paulo city [Internet]. Engineering Analysis with Boundary Elements. 2024 ; 169 1-12.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1016/j.enganabound.2024.105988
Mestrado Profissionalizante
Desenvolvimento de um método automatizado para estimar a massa dos componentes dos ovos de galinha por meio de visão computacional e inteligência artificial (2024)
Ferraz Júnior, Aldrumont; Silva, Ana Carolina de Sousa (Orientador)
Unidade: FZEA
Subjects: VISÃO COMPUTACIONAL, APRENDIZADO COMPUTACIONAL, REDES NEURAIS, OVO, AVICULTURA, INDÚSTRIA AGRÍCOLA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
FERRAZ JÚNIOR, Aldrumont. Desenvolvimento de um método automatizado para estimar a massa dos componentes dos ovos de galinha por meio de visão computacional e inteligência artificial. 2024. Mestrado Profissionalizante – Universidade de São Paulo, Pirassununga, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/74/74134/tde-24042025-100716/. Acesso em: 28 nov. 2025.
APA
Ferraz Júnior, A. (2024). Desenvolvimento de um método automatizado para estimar a massa dos componentes dos ovos de galinha por meio de visão computacional e inteligência artificial (Mestrado Profissionalizante). Universidade de São Paulo, Pirassununga. Recuperado de https://www.teses.usp.br/teses/disponiveis/74/74134/tde-24042025-100716/
NLM
Ferraz Júnior A. Desenvolvimento de um método automatizado para estimar a massa dos componentes dos ovos de galinha por meio de visão computacional e inteligência artificial [Internet]. 2024 ;[citado 2025 nov. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/74/74134/tde-24042025-100716/
Vancouver
Ferraz Júnior A. Desenvolvimento de um método automatizado para estimar a massa dos componentes dos ovos de galinha por meio de visão computacional e inteligência artificial [Internet]. 2024 ;[citado 2025 nov. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/74/74134/tde-24042025-100716/
Artigo de periodico
Performance of neural networks in the prediction of nitrogen nutrition in strawberry plants (2024)
Regazzo, Jamile Raquel ; Silva, Thiago Lima da ; Tavares, Marcos Silva; Sardinha, Edson José de Souza ; Figueiredo, Caroline Goulart ; Couto, Júlia Luna; Gomes, Tamara Maria ; Tech, Adriano Rogério Bruno ; Baesso, Murilo Mesquita
Source: AgriEngineering. Unidades: FZEA, ESALQ
Subjects: ADUBAÇÃO FOLIAR, APRENDIZADO COMPUTACIONAL, FERTILIZANTES NITROGENADOS, MORANGO, NITROGÊNIO, NUTRIÇÃO VEGETAL, REDES NEURAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
REGAZZO, Jamile Raquel et al. Performance of neural networks in the prediction of nitrogen nutrition in strawberry plants. AgriEngineering, v. 6, p. 1760–1770, 2024Tradução . . Disponível em: https://doi.org/10.3390/agriengineering6020102. Acesso em: 28 nov. 2025.
APA
Regazzo, J. R., Silva, T. L. da, Tavares, M. S., Sardinha, E. J. de S., Figueiredo, C. G., Couto, J. L., et al. (2024). Performance of neural networks in the prediction of nitrogen nutrition in strawberry plants. AgriEngineering, 6, 1760–1770. doi:10.3390/agriengineering6020102
NLM
Regazzo JR, Silva TL da, Tavares MS, Sardinha EJ de S, Figueiredo CG, Couto JL, Gomes TM, Tech ARB, Baesso MM. Performance of neural networks in the prediction of nitrogen nutrition in strawberry plants [Internet]. AgriEngineering. 2024 ; 6 1760–1770.[citado 2025 nov. 28 ] Available from: https://doi.org/10.3390/agriengineering6020102
Vancouver
Regazzo JR, Silva TL da, Tavares MS, Sardinha EJ de S, Figueiredo CG, Couto JL, Gomes TM, Tech ARB, Baesso MM. Performance of neural networks in the prediction of nitrogen nutrition in strawberry plants [Internet]. AgriEngineering. 2024 ; 6 1760–1770.[citado 2025 nov. 28 ] Available from: https://doi.org/10.3390/agriengineering6020102
Artigo de periodico
Performance of machine learning models in predicting common bean (Phaseolus vulgaris L.) crop nitrogen using NIR spectroscopy (2024)
Tavares, Marcos Silva ; Silva, Carlos Augusto Alves Cardoso ; Regazzo, Jamile Raquel ; Sardinha, Edson José de Souza ; Silva, Thiago Lima da ; Fiorio, Peterson Ricardo ; Baesso, Murilo Mesquita
Source: Agronomy. Unidades: FZEA, ESALQ
Subjects: ALGORITMOS, AGRICULTURA DE PRECISÃO, APRENDIZADO COMPUTACIONAL, ESPECTROSCOPIA INFRAVERMELHA, FEIJÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
TAVARES, Marcos Silva et al. Performance of machine learning models in predicting common bean (Phaseolus vulgaris L.) crop nitrogen using NIR spectroscopy. Agronomy, v. 14, p. 1-14, 2024Tradução . . Disponível em: https://doi.org/10.3390/agronomy14081634. Acesso em: 28 nov. 2025.
APA
Tavares, M. S., Silva, C. A. A. C., Regazzo, J. R., Sardinha, E. J. de S., Silva, T. L. da, Fiorio, P. R., & Baesso, M. M. (2024). Performance of machine learning models in predicting common bean (Phaseolus vulgaris L.) crop nitrogen using NIR spectroscopy. Agronomy, 14, 1-14. doi:10.3390/agronomy14081634
NLM
Tavares MS, Silva CAAC, Regazzo JR, Sardinha EJ de S, Silva TL da, Fiorio PR, Baesso MM. Performance of machine learning models in predicting common bean (Phaseolus vulgaris L.) crop nitrogen using NIR spectroscopy [Internet]. Agronomy. 2024 ; 14 1-14.[citado 2025 nov. 28 ] Available from: https://doi.org/10.3390/agronomy14081634
Vancouver
Tavares MS, Silva CAAC, Regazzo JR, Sardinha EJ de S, Silva TL da, Fiorio PR, Baesso MM. Performance of machine learning models in predicting common bean (Phaseolus vulgaris L.) crop nitrogen using NIR spectroscopy [Internet]. Agronomy. 2024 ; 14 1-14.[citado 2025 nov. 28 ] Available from: https://doi.org/10.3390/agronomy14081634
Trabalho de evento-resumo
Metabolite-based prediction of feed efficiency in beef cattle (2023)
Nunes, Alanne Tenório ; Faleiros, Camila Aparecida ; Borsatto, L. B.; Xavier, Pedro Luiz Porfirio ; Fukumasu, Heidge
Source: Caderno de Resumos. Conference titles: Simpósio de Pós-Graduação da Faculdade de Zootecnia e Engenharia de Alimentos. Unidade: FZEA
Subjects: INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL, ANÁLISE DE CORRESPONDÊNCIA, NECESSIDADES NUTRICIONAIS, BOVINOS DE CORTE
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
NUNES, Alanne Tenório et al. Metabolite-based prediction of feed efficiency in beef cattle. 2023, Anais.. Pirassununga: Faculdade de Zootecnia e Engenharia de Alimentos da Universidade de São Paulo, 2023. Disponível em: https://drive.google.com/file/d/1QWGMtQ82ffMeOJwVi0zP9gcG_s9A9E4z/view. Acesso em: 28 nov. 2025.
APA
Nunes, A. T., Faleiros, C. A., Borsatto, L. B., Xavier, P. L. P., & Fukumasu, H. (2023). Metabolite-based prediction of feed efficiency in beef cattle. In Caderno de Resumos. Pirassununga: Faculdade de Zootecnia e Engenharia de Alimentos da Universidade de São Paulo. Recuperado de https://drive.google.com/file/d/1QWGMtQ82ffMeOJwVi0zP9gcG_s9A9E4z/view
NLM
Nunes AT, Faleiros CA, Borsatto LB, Xavier PLP, Fukumasu H. Metabolite-based prediction of feed efficiency in beef cattle [Internet]. Caderno de Resumos. 2023 ;[citado 2025 nov. 28 ] Available from: https://drive.google.com/file/d/1QWGMtQ82ffMeOJwVi0zP9gcG_s9A9E4z/view
Vancouver
Nunes AT, Faleiros CA, Borsatto LB, Xavier PLP, Fukumasu H. Metabolite-based prediction of feed efficiency in beef cattle [Internet]. Caderno de Resumos. 2023 ;[citado 2025 nov. 28 ] Available from: https://drive.google.com/file/d/1QWGMtQ82ffMeOJwVi0zP9gcG_s9A9E4z/view
Artigo de periodico
Image feature extraction via local binary patterns for marbling score classification in beef cattle using tree-based algorithms (2023)
Pinto, Diógenes Lodi ; Selli, Alana ; Tulpan, Dan; Andrietta, Lucas Tassoni ; Garbossa, Pollyana Leite Matioli ; Voort, Gordon Vander; Munro, Jasper; McMorris, Mike; Alves, Anderson Antonio Carvalho; Carvalheiro, Roberto ; Poleti, Mirele Daiana ; Balieiro, Júlio Cesar de Carvalho ; Ventura, Ricardo Vieira
Source: Livestock Science. Unidades: FZEA, FMVZ
Subjects: BOVINOS DE CORTE, CARNES E DERIVADOS, ALGORITMOS, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
PINTO, Diógenes Lodi et al. Image feature extraction via local binary patterns for marbling score classification in beef cattle using tree-based algorithms. Livestock Science, v. 267, p. 1-10, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.livsci.2022.105152. Acesso em: 28 nov. 2025.
APA
Pinto, D. L., Selli, A., Tulpan, D., Andrietta, L. T., Garbossa, P. L. M., Voort, G. V., et al. (2023). Image feature extraction via local binary patterns for marbling score classification in beef cattle using tree-based algorithms. Livestock Science, 267, 1-10. doi:10.1016/j.livsci.2022.105152
NLM
Pinto DL, Selli A, Tulpan D, Andrietta LT, Garbossa PLM, Voort GV, Munro J, McMorris M, Alves AAC, Carvalheiro R, Poleti MD, Balieiro JC de C, Ventura RV. Image feature extraction via local binary patterns for marbling score classification in beef cattle using tree-based algorithms [Internet]. Livestock Science. 2023 ; 267 1-10.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1016/j.livsci.2022.105152
Vancouver
Pinto DL, Selli A, Tulpan D, Andrietta LT, Garbossa PLM, Voort GV, Munro J, McMorris M, Alves AAC, Carvalheiro R, Poleti MD, Balieiro JC de C, Ventura RV. Image feature extraction via local binary patterns for marbling score classification in beef cattle using tree-based algorithms [Internet]. Livestock Science. 2023 ; 267 1-10.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1016/j.livsci.2022.105152
Tese (Doutorado)
Avaliação do comportamento de suínos em ambientes com diferentes sistemas de resfriamentos utilizando modelos computacionais (2022)
Santos, Jonathan Vinicius dos; Martello, Luciane Silva (Orientador); Sousa, Rafael Vieira de (coorient)
Unidade: FZEA
Subjects: APRENDIZADO COMPUTACIONAL, BEM-ESTAR DO ANIMAL, COMPORTAMENTO ANIMAL, PROCESSAMENTO DE IMAGENS, ZOOTECNIA DE PRECISÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SANTOS, Jonathan Vinicius dos. Avaliação do comportamento de suínos em ambientes com diferentes sistemas de resfriamentos utilizando modelos computacionais. 2022. Tese (Doutorado) – Universidade de São Paulo, Pirassununga, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/74/74131/tde-01072022-155338/. Acesso em: 28 nov. 2025.
APA
Santos, J. V. dos. (2022). Avaliação do comportamento de suínos em ambientes com diferentes sistemas de resfriamentos utilizando modelos computacionais (Tese (Doutorado). Universidade de São Paulo, Pirassununga. Recuperado de https://www.teses.usp.br/teses/disponiveis/74/74131/tde-01072022-155338/
NLM
Santos JV dos. Avaliação do comportamento de suínos em ambientes com diferentes sistemas de resfriamentos utilizando modelos computacionais [Internet]. 2022 ;[citado 2025 nov. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/74/74131/tde-01072022-155338/
Vancouver
Santos JV dos. Avaliação do comportamento de suínos em ambientes com diferentes sistemas de resfriamentos utilizando modelos computacionais [Internet]. 2022 ;[citado 2025 nov. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/74/74131/tde-01072022-155338/
Dissertação (Mestrado)
Avaliação não invasiva do estresse térmico de bovinos: uma abordagem baseada em aprendizado de máquina e termografia de infravermelho (2022)
Rodrigues, Alex Vinícius da Silva; Sousa, Rafael Vieira de (Orientador)
Unidade: FZEA
Subjects: TERMOGRAFIA, BEM-ESTAR DO ANIMAL, MINERAÇÃO DE DADOS, INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RODRIGUES, Alex Vinícius da Silva. Avaliação não invasiva do estresse térmico de bovinos: uma abordagem baseada em aprendizado de máquina e termografia de infravermelho. 2022. Dissertação (Mestrado) – Universidade de São Paulo, Pirassununga, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/74/74131/tde-29072022-113058/. Acesso em: 28 nov. 2025.
APA
Rodrigues, A. V. da S. (2022). Avaliação não invasiva do estresse térmico de bovinos: uma abordagem baseada em aprendizado de máquina e termografia de infravermelho (Dissertação (Mestrado). Universidade de São Paulo, Pirassununga. Recuperado de https://www.teses.usp.br/teses/disponiveis/74/74131/tde-29072022-113058/
NLM
Rodrigues AV da S. Avaliação não invasiva do estresse térmico de bovinos: uma abordagem baseada em aprendizado de máquina e termografia de infravermelho [Internet]. 2022 ;[citado 2025 nov. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/74/74131/tde-29072022-113058/
Vancouver
Rodrigues AV da S. Avaliação não invasiva do estresse térmico de bovinos: uma abordagem baseada em aprendizado de máquina e termografia de infravermelho [Internet]. 2022 ;[citado 2025 nov. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/74/74131/tde-29072022-113058/
Dissertação (Mestrado)
Desenvolvimento de software para extração de índices de vegetação e implementação de classificador de status nutricional em nitrogênio em pastos de Urochloa decumbens 'Basilisk' (Syn. Brachiaria decumbens 'Basilisk') (2022)
Bertolini, Caio Augusto; Pereira, Lilian Elgalise Techio (Orientador); Tech, Adriano Rogério Bruno (coorient)
Unidade: FZEA
Subjects: APRENDIZADO COMPUTACIONAL, PROCESSAMENTO DE IMAGENS, VISÃO COMPUTACIONAL, SENSORIAMENTO REMOTO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BERTOLINI, Caio Augusto. Desenvolvimento de software para extração de índices de vegetação e implementação de classificador de status nutricional em nitrogênio em pastos de Urochloa decumbens 'Basilisk' (Syn. Brachiaria decumbens 'Basilisk'). 2022. Dissertação (Mestrado) – Universidade de São Paulo, Pirassununga, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/74/74131/tde-03082022-154948/. Acesso em: 28 nov. 2025.
APA
Bertolini, C. A. (2022). Desenvolvimento de software para extração de índices de vegetação e implementação de classificador de status nutricional em nitrogênio em pastos de Urochloa decumbens 'Basilisk' (Syn. Brachiaria decumbens 'Basilisk') (Dissertação (Mestrado). Universidade de São Paulo, Pirassununga. Recuperado de https://www.teses.usp.br/teses/disponiveis/74/74131/tde-03082022-154948/
NLM
Bertolini CA. Desenvolvimento de software para extração de índices de vegetação e implementação de classificador de status nutricional em nitrogênio em pastos de Urochloa decumbens 'Basilisk' (Syn. Brachiaria decumbens 'Basilisk') [Internet]. 2022 ;[citado 2025 nov. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/74/74131/tde-03082022-154948/
Vancouver
Bertolini CA. Desenvolvimento de software para extração de índices de vegetação e implementação de classificador de status nutricional em nitrogênio em pastos de Urochloa decumbens 'Basilisk' (Syn. Brachiaria decumbens 'Basilisk') [Internet]. 2022 ;[citado 2025 nov. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/74/74131/tde-03082022-154948/
Artigo de periodico
Machine learning approaches for prediction of the compressive strength of alkali activated termite mound soil (2021)
Mahamat, Assia Aboubakar; Boukar, Moussa Mahamat; Ibrahim, Nurudeen Mahmud; Stanislas, Tido Tiwa; Bih, Numfor Linda; Obianyo, Ifeyinwa Ijeoma; Savastano Júnior, Holmer
Source: Applied Sciences. Unidade: FZEA
Subjects: APRENDIZADO COMPUTACIONAL, REDES NEURAIS, MATERIAIS DE CONSTRUÇÃO, SUSTENTABILIDADE
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MAHAMAT, Assia Aboubakar et al. Machine learning approaches for prediction of the compressive strength of alkali activated termite mound soil. Applied Sciences, v. 11, n. 11, p. 1-13, 2021Tradução . . Disponível em: https://doi.org/10.3390/app11114754. Acesso em: 28 nov. 2025.
APA
Mahamat, A. A., Boukar, M. M., Ibrahim, N. M., Stanislas, T. T., Bih, N. L., Obianyo, I. I., & Savastano Júnior, H. (2021). Machine learning approaches for prediction of the compressive strength of alkali activated termite mound soil. Applied Sciences, 11( 11), 1-13. doi:10.3390/app11114754
NLM
Mahamat AA, Boukar MM, Ibrahim NM, Stanislas TT, Bih NL, Obianyo II, Savastano Júnior H. Machine learning approaches for prediction of the compressive strength of alkali activated termite mound soil [Internet]. Applied Sciences. 2021 ; 11( 11): 1-13.[citado 2025 nov. 28 ] Available from: https://doi.org/10.3390/app11114754
Vancouver
Mahamat AA, Boukar MM, Ibrahim NM, Stanislas TT, Bih NL, Obianyo II, Savastano Júnior H. Machine learning approaches for prediction of the compressive strength of alkali activated termite mound soil [Internet]. Applied Sciences. 2021 ; 11( 11): 1-13.[citado 2025 nov. 28 ] Available from: https://doi.org/10.3390/app11114754
Tese (Doutorado)
Diagnose do estado nutricional de nitrogênio, potássio e cálcio em Urochloa brizantha cv. Marandu utilizando-se técnicas de machine learning (2021)
Bet, Jessica Angela; Luz, Pedro Henrique de Cerqueira (Orientador)
Unidade: FZEA
Subjects: ADUBAÇÃO, PASTAGENS, APRENDIZADO COMPUTACIONAL, NUTRIÇÃO VEGETAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BET, Jessica Angela. Diagnose do estado nutricional de nitrogênio, potássio e cálcio em Urochloa brizantha cv. Marandu utilizando-se técnicas de machine learning. 2021. Tese (Doutorado) – Universidade de São Paulo, Pirassununga, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/74/74131/tde-29112021-171742/. Acesso em: 28 nov. 2025.
APA
Bet, J. A. (2021). Diagnose do estado nutricional de nitrogênio, potássio e cálcio em Urochloa brizantha cv. Marandu utilizando-se técnicas de machine learning (Tese (Doutorado). Universidade de São Paulo, Pirassununga. Recuperado de https://www.teses.usp.br/teses/disponiveis/74/74131/tde-29112021-171742/
NLM
Bet JA. Diagnose do estado nutricional de nitrogênio, potássio e cálcio em Urochloa brizantha cv. Marandu utilizando-se técnicas de machine learning [Internet]. 2021 ;[citado 2025 nov. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/74/74131/tde-29112021-171742/
Vancouver
Bet JA. Diagnose do estado nutricional de nitrogênio, potássio e cálcio em Urochloa brizantha cv. Marandu utilizando-se técnicas de machine learning [Internet]. 2021 ;[citado 2025 nov. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/74/74131/tde-29112021-171742/
Artigo de periodico
Computational classification of animals for a highway detection system (2021)
Sato, Denis ; Zanella, Adroaldo José ; Costa, Ernane José Xavier
Source: Brazilian Journal of Veterinary Research and Animal Science. Unidades: FMVZ, FZEA
Subjects: ACIDENTES DE TRÂNSITO, RODOVIAS, VISÃO COMPUTACIONAL, APRENDIZADO COMPUTACIONAL, CAPIVARAS, EQUÍDEOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SATO, Denis e ZANELLA, Adroaldo José e COSTA, Ernane José Xavier. Computational classification of animals for a highway detection system. Brazilian Journal of Veterinary Research and Animal Science, v. 58, n. esp, p. 1-10, 2021Tradução . . Disponível em: https://doi.org/10.11606/issn.1678-4456.bjvras.2021.174951. Acesso em: 28 nov. 2025.
APA
Sato, D., Zanella, A. J., & Costa, E. J. X. (2021). Computational classification of animals for a highway detection system. Brazilian Journal of Veterinary Research and Animal Science, 58( esp), 1-10. doi:10.11606/issn.1678-4456.bjvras.2021.174951
NLM
Sato D, Zanella AJ, Costa EJX. Computational classification of animals for a highway detection system [Internet]. Brazilian Journal of Veterinary Research and Animal Science. 2021 ; 58( esp): 1-10.[citado 2025 nov. 28 ] Available from: https://doi.org/10.11606/issn.1678-4456.bjvras.2021.174951
Vancouver
Sato D, Zanella AJ, Costa EJX. Computational classification of animals for a highway detection system [Internet]. Brazilian Journal of Veterinary Research and Animal Science. 2021 ; 58( esp): 1-10.[citado 2025 nov. 28 ] Available from: https://doi.org/10.11606/issn.1678-4456.bjvras.2021.174951
Artigo de periodico
Evaluation of machine learning based models to predict the bulk density in the flash sintering process (2021)
Abreu, Mariana Gomes de; Pallone, Eliria Maria de Jesus Agnolon ; Ferreira, Julieta Adriana; Campos, João Vitor ; Sousa, Rafael Vieira de
Source: Materials Today Communications. Unidade: FZEA
Subjects: SINTERIZAÇÃO, MINERAÇÃO DE DADOS, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ABREU, Mariana Gomes de et al. Evaluation of machine learning based models to predict the bulk density in the flash sintering process. Materials Today Communications, v. 27, p. 1-5, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.mtcomm.2021.102220. Acesso em: 28 nov. 2025.
APA
Abreu, M. G. de, Pallone, E. M. de J. A., Ferreira, J. A., Campos, J. V., & Sousa, R. V. de. (2021). Evaluation of machine learning based models to predict the bulk density in the flash sintering process. Materials Today Communications, 27, 1-5. doi:10.1016/j.mtcomm.2021.102220
NLM
Abreu MG de, Pallone EM de JA, Ferreira JA, Campos JV, Sousa RV de. Evaluation of machine learning based models to predict the bulk density in the flash sintering process [Internet]. Materials Today Communications. 2021 ; 27 1-5.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1016/j.mtcomm.2021.102220
Vancouver
Abreu MG de, Pallone EM de JA, Ferreira JA, Campos JV, Sousa RV de. Evaluation of machine learning based models to predict the bulk density in the flash sintering process [Internet]. Materials Today Communications. 2021 ; 27 1-5.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1016/j.mtcomm.2021.102220
Artigo de periodico
Pain assessment in horses using automatic facial expression recognition through deep learning-based modeling (2021)
Lencioni, Gabriel Carreira; Sousa, Rafael Vieira de ; Sardinha, Edson José de Souza; Corrêa, Rodrigo Romero ; Zanella, Adroaldo José
Source: PLoS One. Unidades: FZEA, FMVZ
Subjects: EQUINOS, DOR, APRENDIZADO COMPUTACIONAL, COMPORTAMENTO ANIMAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
LENCIONI, Gabriel Carreira et al. Pain assessment in horses using automatic facial expression recognition through deep learning-based modeling. PLoS One, v. 16, n. 10, p. 1-12, 2021Tradução . . Disponível em: https://doi.org/10.1371/journal.pone.0258672. Acesso em: 28 nov. 2025.
APA
Lencioni, G. C., Sousa, R. V. de, Sardinha, E. J. de S., Corrêa, R. R., & Zanella, A. J. (2021). Pain assessment in horses using automatic facial expression recognition through deep learning-based modeling. PLoS One, 16( 10), 1-12. doi:10.1371/journal.pone.0258672
NLM
Lencioni GC, Sousa RV de, Sardinha EJ de S, Corrêa RR, Zanella AJ. Pain assessment in horses using automatic facial expression recognition through deep learning-based modeling [Internet]. PLoS One. 2021 ; 16( 10): 1-12.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1371/journal.pone.0258672
Vancouver
Lencioni GC, Sousa RV de, Sardinha EJ de S, Corrêa RR, Zanella AJ. Pain assessment in horses using automatic facial expression recognition through deep learning-based modeling [Internet]. PLoS One. 2021 ; 16( 10): 1-12.[citado 2025 nov. 28 ] Available from: https://doi.org/10.1371/journal.pone.0258672
Dissertação (Mestrado)
Influência do tempo de espera sob o processo de sinterização assistida por campo elétrico - Flash sintering (2020)
Abreu, Mariana Gomes de; Pallone, Eliria Maria de Jesus Agnolon (Orientador); Sousa, Rafael Vieira de (coorient)
Unidade: FZEA
Subjects: ZIRCÔNIA, SINTERIZAÇÃO, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
ABREU, Mariana Gomes de. Influência do tempo de espera sob o processo de sinterização assistida por campo elétrico - Flash sintering. 2020. Dissertação (Mestrado) – Universidade de São Paulo, Pirassununga, 2020. Disponível em: https://www.teses.usp.br/teses/disponiveis/74/74133/tde-07052021-122419/. Acesso em: 28 nov. 2025.
APA
Abreu, M. G. de. (2020). Influência do tempo de espera sob o processo de sinterização assistida por campo elétrico - Flash sintering (Dissertação (Mestrado). Universidade de São Paulo, Pirassununga. Recuperado de https://www.teses.usp.br/teses/disponiveis/74/74133/tde-07052021-122419/
NLM
Abreu MG de. Influência do tempo de espera sob o processo de sinterização assistida por campo elétrico - Flash sintering [Internet]. 2020 ;[citado 2025 nov. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/74/74133/tde-07052021-122419/
Vancouver
Abreu MG de. Influência do tempo de espera sob o processo de sinterização assistida por campo elétrico - Flash sintering [Internet]. 2020 ;[citado 2025 nov. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/74/74133/tde-07052021-122419/

USP Schools

ReP

Filtros

Departament

Authors

USP affiliated authors

Date published

Subjects

Source title

Funding Agencies

Indexado em

Non normalized affiliation

Countries of institutions of collaboration