Eficiência da estimação da área foliar de couve por meio de redes neurais artificiais

• Autor(a) principal: Alcinei Mistico Azevedo
• Data de Publicação: 2017
• Outros Autores: Valter Carvalho de Andrade Júnior, Aderbal Soares de Sousa Júnior, Albertir Aparecido Dos Santos, Cosme Damião Cruz, Samuel Luan Pereira, Altino Júnior Mendes Oliveira
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://dx.doi.org/10.1590/S0102-053620170103; http://hdl.handle.net/1843/40558; https://orcid.org/0000-0001-5196-0851
• topic: Couve; Perceptrons; Perceptrons; Inteligencia artificial

A estimativa da área foliar na couve é importante, pois medidas diretas são difíceis e imprecisas, devido ao tamanho da folha, a irregularidade da superfície foliar de alguns genótipos, a necessidade de equipamentos caros e de muita mão-de-obra. Objetivou-se verificar a eficiência da estimação da área foliar de couve por meio de RNAs e constatar a eficiência desta estratégia em comparação com o uso da área foliar observada. O experimento foi conduzido em delineamento de blocos casualizados com três repetições, 22 acessos e quatro plantas por parcela. Desenvolveram-se perceptrons de multicamadas utilizando 50 folhas por acesso, destinando-se 70% para treinamento, 15% para a validação cruzada (early-stop) e 15% para teste. Foram testadas 39 configurações de rede perceptron de multicamadas. As RNAs foram eficientes para estimar a área foliar da couve a partir do comprimento e largura do limbo foliar. A área foliar estimada pela RNA é indicada para a seleção de plantas por ser de fácil obtenção, ser um método não destrutivo, apresentar alta correlação fenotípica e genética com a área foliar observada e maior herdabilidade.