Inteligência artificial para fenotipagem de genótipos promissores de feijão-caupi por imagens digitais em diferentes estádios fenológicos.
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
UFCG_2c4578a3a35abde8c16496fb8e79db98 |
---|---|
oai_identifier_str |
oai:localhost:riufcg/29188 |
network_acronym_str |
UFCG |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository_id_str |
4851 |
spelling |
Inteligência artificial para fenotipagem de genótipos promissores de feijão-caupi por imagens digitais em diferentes estádios fenológicos.Artificial intelligence for phenotyping of promising cowpea genotypes by digital images at different phenological stages.Feijão-caupiInteligência artificialImagens digitaisFenotipagem – genótiposEstádios fenológicos – feijão-caupiRede neural artificialAprendizagem de máquinaAlgoritmos de inteligência artificialCowpeaArtificial intelligenceDigital imagesPhenotyping – genotypesPhenological stages – cowpeaArtificial neural networkMachine learningArtificial intelligence algorithmsAgroecologiaO 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.Cowpea is a crop of great importance worldwide, which is why many improved cultivars are exploited. The plants of these cultivars have intrinsic characteristics that distinguish them. In this contexto, the objective was to evaluate artificial intelligence algorithms to fit cowpea cultivar phenotyping models by digital images at different phenological stages. For this purpose, digital images obtained at stages V1, V2, V3 and V4 of nine cultivars were processed using the vectors InceptionV3, SqueezeNet, VGG16 and VGG19. Subsequently, the k-nearest neighbors (KNN - number of nearest neighbors), decision tree (Tree), random forest (RF - Random Forest), gradient boost (GB - Gradient Boosting), vector support machine (SVM - Support Vector Machines) and artificial neural network (MLP - Multi-Layer Perceptron). The performance of the models was tested using the cross-validation method. The Artificial Neural Network machine learning algorithm has better performance for non-destructive phenotyping of cowpea cultivars improved by digital images at different phenological stages in the vegetative phase.Universidade Federal de Campina GrandeBrasilCentro de Desenvolvimento Sustentável do Semiárido - CDSAUFCGFERRAZ, Rener Luciano de Souza.FERRAZ, R. L. S.http://lattes.cnpq.br/8198767703855831CAVALCANTE, Igor Eneas.CAVALCANTE, I. E.http://lattes.cnpq.br/9590546360304736BONOU, Semako Ibrahim.BONOU, S. I.http://lattes.cnpq.br/0278611065117108COSTA, Patrícia da Silva.COSTA, P. S.http://lattes.cnpq.br/7568716600525987SANTOS, Joniedson Marcos dos.2023-02-162023-03-27T18:10:11Z2023-03-272023-03-27T18:10:11Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesishttps://dx.doi.org/10.52446/cursoagroecologiaCDSA.2023.tccmon.santoshttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29188SANTOS, Joniedson Marcos dos. Inteligência artificial para fenotipagem de genótipos promissores de feijão-caupi por imagens digitais em diferentes estádios fenológicos. 2023. 32f. (Trabalho de Conclusão de Curso – Monografia), Curso Superior de Tecnologia em Agroecologia, Centro de Desenvolvimento Sustentável do Semiárido, Universidade Federal de Campina Grande, – Sumé - Paraíba – Brasil, 2023. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29188porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCG2023-05-16T23:33:42Zoai:localhost:riufcg/29188Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512023-05-16T23:33:42Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false |
dc.title.none.fl_str_mv |
Inteligência artificial para fenotipagem de genótipos promissores de feijão-caupi por imagens digitais em diferentes estádios fenológicos. Artificial intelligence for phenotyping of promising cowpea genotypes by digital images at different phenological stages. |
title |
Inteligência artificial para fenotipagem de genótipos promissores de feijão-caupi por imagens digitais em diferentes estádios fenológicos. |
spellingShingle |
Inteligência artificial para fenotipagem de genótipos promissores de feijão-caupi por imagens digitais em diferentes estádios fenológicos. SANTOS, Joniedson Marcos dos. 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 |
title_short |
Inteligência artificial para fenotipagem de genótipos promissores de feijão-caupi por imagens digitais em diferentes estádios fenológicos. |
title_full |
Inteligência artificial para fenotipagem de genótipos promissores de feijão-caupi por imagens digitais em diferentes estádios fenológicos. |
title_fullStr |
Inteligência artificial para fenotipagem de genótipos promissores de feijão-caupi por imagens digitais em diferentes estádios fenológicos. |
title_full_unstemmed |
Inteligência artificial para fenotipagem de genótipos promissores de feijão-caupi por imagens digitais em diferentes estádios fenológicos. |
title_sort |
Inteligência artificial para fenotipagem de genótipos promissores de feijão-caupi por imagens digitais em diferentes estádios fenológicos. |
author |
SANTOS, Joniedson Marcos dos. |
author_facet |
SANTOS, Joniedson Marcos dos. |
author_role |
author |
dc.contributor.none.fl_str_mv |
FERRAZ, Rener Luciano de Souza. FERRAZ, R. L. S. http://lattes.cnpq.br/8198767703855831 CAVALCANTE, Igor Eneas. CAVALCANTE, I. E. http://lattes.cnpq.br/9590546360304736 BONOU, Semako Ibrahim. BONOU, S. I. http://lattes.cnpq.br/0278611065117108 COSTA, Patrícia da Silva. COSTA, P. S. http://lattes.cnpq.br/7568716600525987 |
dc.contributor.author.fl_str_mv |
SANTOS, Joniedson Marcos dos. |
dc.subject.por.fl_str_mv |
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 |
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 |
description |
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. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-02-16 2023-03-27T18:10:11Z 2023-03-27 2023-03-27T18:10:11Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://dx.doi.org/10.52446/cursoagroecologiaCDSA.2023.tccmon.santos http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29188 SANTOS, Joniedson Marcos dos. Inteligência artificial para fenotipagem de genótipos promissores de feijão-caupi por imagens digitais em diferentes estádios fenológicos. 2023. 32f. (Trabalho de Conclusão de Curso – Monografia), Curso Superior de Tecnologia em Agroecologia, Centro de Desenvolvimento Sustentável do Semiárido, Universidade Federal de Campina Grande, – Sumé - Paraíba – Brasil, 2023. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29188 |
url |
https://dx.doi.org/10.52446/cursoagroecologiaCDSA.2023.tccmon.santos http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29188 |
identifier_str_mv |
SANTOS, Joniedson Marcos dos. Inteligência artificial para fenotipagem de genótipos promissores de feijão-caupi por imagens digitais em diferentes estádios fenológicos. 2023. 32f. (Trabalho de Conclusão de Curso – Monografia), Curso Superior de Tecnologia em Agroecologia, Centro de Desenvolvimento Sustentável do Semiárido, Universidade Federal de Campina Grande, – Sumé - Paraíba – Brasil, 2023. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29188 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Campina Grande Brasil Centro de Desenvolvimento Sustentável do Semiárido - CDSA UFCG |
publisher.none.fl_str_mv |
Universidade Federal de Campina Grande Brasil Centro de Desenvolvimento Sustentável do Semiárido - CDSA UFCG |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFCG instname:Universidade Federal de Campina Grande (UFCG) instacron:UFCG |
instname_str |
Universidade Federal de Campina Grande (UFCG) |
instacron_str |
UFCG |
institution |
UFCG |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFCG |
collection |
Biblioteca Digital de Teses e Dissertações da UFCG |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG) |
repository.mail.fl_str_mv |
bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br |
_version_ |
1809744571764047872 |