Inteligência artificial para fenotipagem de genótipos promissores de feijão-caupi por imagens digitais em diferentes estádios fenológicos.

• Autor(a) principal: SANTOS, Joniedson Marcos dos.
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: https://dx.doi.org/10.52446/cursoagroecologiaCDSA.2023.tccmon.santos; http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29188
• topic: Feijão-caupi; Inteligência artificial; Imagens digitais; Fenotipagem – genótipos; Estádios fenológicos – feijão-caupi; Rede neural artificial; Aprendizagem de máquina; Algoritmos de inteligência artificial; Cowpea; Artificial intelligence; Digital images; Phenotyping – genotypes; Phenological stages – cowpea; Artificial neural network; Machine learning; Artificial intelligence algorithms; Agroecologia

O feijão-caupi é uma cultura de grande importância mundial, motivo pelo qual muitas cultivares melhoradas são exploradas. As plantas dessas cultivares possuem características intrínsecas que as distinguem. Nesse contexto, objetivou-se avaliar algoritmos de inteligência artificial para ajuste de modelos de fenotipagem de cultivares de feijão-caupi por imagens digitais em diferentes estádios fenológicos. Para tanto, imagens digitais obtidas nos estádios V1, V2, V3 e V4 de nove cultivares foram processadas utilizando-se dos vetorizadores InceptionV3, SqueezeNet, VGG16 e VGG19. Posteriormente, foram testados os algoritmos de aprendizado de máquina k-vizinhos mais próximos (KNN - number of nearest neighbors), árvore de decisão (Tree), floresta aleatória (RF - Random Forest), aumento de gradiente (GB - Gradient Boosting), máquina de suporte de vetores (SVM - Support Vector Machines) e rede neural artificial (MLP - Multi-Layer Perceptron). A performance dos modelos foi testada utilizando-se do método de validação cruzada (Cross-validation). O algoritmo de aprendizado de máquina Rede Neural Artificial tem melhor performance para fenotipagem não destrutiva de cultivares melhoradas de feijão-caupi por imagens digitais em diferentes estádios fenológicos na fase vegetativa.