Riconoscere la lebbra con l’intelligenza artificiale
Una delle sfide più importanti che interesserà il settore olivicolo nei prossimi anni è il cambiamento climatico, con le relative problematiche di quantità e qualità delle produzioni. L’olivicoltura, come dimostrano diversi studi, non contribuisce significativamente alla produzione di CO2, anzi ne m...
| Main Authors: | , , , , , , , |
|---|---|
| Format: | contributionToPeriodical |
| Language: | Italian |
| Published: |
Edagricole
2022
|
| Subjects: | |
| Online Access: | http://hdl.handle.net/20.500.11939/8020 |
| _version_ | 1855032714474815488 |
|---|---|
| author | Fazari, Antonio Pellicer-Valero, Óscar Gómez-Sanchís, Juan Bernardi, Bruno Cubero, Sergio Benalia, Souraya Zimbalatti, Giuseppe Blasco, Giuseppe |
| author_browse | Benalia, Souraya Bernardi, Bruno Blasco, Giuseppe Cubero, Sergio Fazari, Antonio Gómez-Sanchís, Juan Pellicer-Valero, Óscar Zimbalatti, Giuseppe |
| author_facet | Fazari, Antonio Pellicer-Valero, Óscar Gómez-Sanchís, Juan Bernardi, Bruno Cubero, Sergio Benalia, Souraya Zimbalatti, Giuseppe Blasco, Giuseppe |
| author_sort | Fazari, Antonio |
| collection | ReDivia |
| description | Una delle sfide più importanti che interesserà il settore olivicolo nei prossimi anni è il cambiamento climatico, con le relative problematiche di quantità e qualità delle produzioni. L’olivicoltura, come dimostrano diversi studi, non contribuisce significativamente alla produzione di CO2, anzi ne mitiga gli effetti. Tuttavia, è vulnerabile ai danni derivanti da eventi meteo estremi, e da effetti indiretti del cambiamento climatico, come la diffusione di nuove patologie e parassiti o l’inasprimento di avversità precedentemente non rilevanti. Particolarmente indicativo è come negli ultimi anni si stiano diffondendo in maniera sempre più numerosa diverse malattie fungine, come ad esempio l’antracnosi. Questa malattia è causata da diverse specie del genere Colletotrichum, per lo più raggruppate nel complesso della specie acutatum. |
| format | contributionToPeriodical |
| id | ReDivia8020 |
| institution | Instituto Valenciano de Investigaciones Agrarias (IVIA) |
| language | Italian |
| publishDate | 2022 |
| publishDateRange | 2022 |
| publishDateSort | 2022 |
| publisher | Edagricole |
| publisherStr | Edagricole |
| record_format | dspace |
| spelling | ReDivia80202025-04-25T14:59:05Z Riconoscere la lebbra con l’intelligenza artificiale Fazari, Antonio Pellicer-Valero, Óscar Gómez-Sanchís, Juan Bernardi, Bruno Cubero, Sergio Benalia, Souraya Zimbalatti, Giuseppe Blasco, Giuseppe Olivicoltura di precisione Lebbra dell'olivo Deep learning H20 Plant diseases U30 Research methods Colletotrichum Anthracnosis Olea europaea machine learning Una delle sfide più importanti che interesserà il settore olivicolo nei prossimi anni è il cambiamento climatico, con le relative problematiche di quantità e qualità delle produzioni. L’olivicoltura, come dimostrano diversi studi, non contribuisce significativamente alla produzione di CO2, anzi ne mitiga gli effetti. Tuttavia, è vulnerabile ai danni derivanti da eventi meteo estremi, e da effetti indiretti del cambiamento climatico, come la diffusione di nuove patologie e parassiti o l’inasprimento di avversità precedentemente non rilevanti. Particolarmente indicativo è come negli ultimi anni si stiano diffondendo in maniera sempre più numerosa diverse malattie fungine, come ad esempio l’antracnosi. Questa malattia è causata da diverse specie del genere Colletotrichum, per lo più raggruppate nel complesso della specie acutatum. 2022-04-01T08:22:21Z 2022-04-01T08:22:21Z 2021 contributionToPeriodical Fazari, A., Pellicer-Valero, O., Gomez-Sanchis, J., Bernardi, B., Cubero, S., Benalia, S. et al. (2021). Riconoscere la lebbra con l'intelligenza artificiale. Olivo & olio, 24(6), 38-41. 1127-0713 http://hdl.handle.net/20.500.11939/8020 it Atribución-NoComercial-SinDerivadas 3.0 España http://creativecommons.org/licenses/by-nc-nd/3.0/es/ openAccess Edagricole electronico |
| spellingShingle | Olivicoltura di precisione Lebbra dell'olivo Deep learning H20 Plant diseases U30 Research methods Colletotrichum Anthracnosis Olea europaea machine learning Fazari, Antonio Pellicer-Valero, Óscar Gómez-Sanchís, Juan Bernardi, Bruno Cubero, Sergio Benalia, Souraya Zimbalatti, Giuseppe Blasco, Giuseppe Riconoscere la lebbra con l’intelligenza artificiale |
| title | Riconoscere la lebbra con l’intelligenza artificiale |
| title_full | Riconoscere la lebbra con l’intelligenza artificiale |
| title_fullStr | Riconoscere la lebbra con l’intelligenza artificiale |
| title_full_unstemmed | Riconoscere la lebbra con l’intelligenza artificiale |
| title_short | Riconoscere la lebbra con l’intelligenza artificiale |
| title_sort | riconoscere la lebbra con l intelligenza artificiale |
| topic | Olivicoltura di precisione Lebbra dell'olivo Deep learning H20 Plant diseases U30 Research methods Colletotrichum Anthracnosis Olea europaea machine learning |
| url | http://hdl.handle.net/20.500.11939/8020 |
| work_keys_str_mv | AT fazariantonio riconoscerelalebbraconlintelligenzaartificiale AT pellicervalerooscar riconoscerelalebbraconlintelligenzaartificiale AT gomezsanchisjuan riconoscerelalebbraconlintelligenzaartificiale AT bernardibruno riconoscerelalebbraconlintelligenzaartificiale AT cuberosergio riconoscerelalebbraconlintelligenzaartificiale AT benaliasouraya riconoscerelalebbraconlintelligenzaartificiale AT zimbalattigiuseppe riconoscerelalebbraconlintelligenzaartificiale AT blascogiuseppe riconoscerelalebbraconlintelligenzaartificiale |