Fenotipagem de variedades crioulas de feijão-caupi em diferentes estádios fenológicos com uso de inteligência artificial.

• Autor(a) principal: SARAIVA, José Jerônimo Santos.
• 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.saraiva; http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29183
• topic: Feijão-caupi; Fenotipagem – feijão-caupi; Inteligência artificial; Vigna unguiculata; Aprendizagem de máquina; Processamento digital de imagens; Sementes – variedades crioulas de feijão-caupi; Território Indígena Xucuru de Ororubá – Pequeira – PE; Cowpea; Phenotyping – cowpea; Artificial intelligence; Vigna unguiculata; Machine learning; Digital image processing; Seeds – native varieties of cowpea; Xucuru Indigenous Territory of Ororubá – Pequeira – PE; Agroecologia

O trabalho objetivou realizar a fenotipagem de variedade crioulas de feijão-caupi em diferentes estádios fenológicos utilizando-se de técnicas de inteligência artificial para processamento de imagens digitais e ajuste de modelos de aprendizagem de máquina. Ações antrópicas estão relacionadas às mudanças climáticas globais, o que reforça o papel dos agricultores familiares como guardiões de sementes de variedades crioulas de feijão-caupi. Devido ao fato de existirem muitas variedades, há risco de confusão na identificação desses materiais. Para tanto, seis variedades crioulas foram cultivadas para obtenção de imagens digitais em diferentes estádios fenológicos, as quais 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). Algoritmos de aprendizagem de máquina do tipo Rede Neural Artificial e Máquina de Suporte de Vetores têm elevado desempenho para fenotipagem de variedade crioulas de feijão-caupi em diferentes estádios fenológicos a partir do processamento de imagens digitais.