Método precoce para diagnóstico da doença
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRB |
Texto Completo: | http://localhost:8080/handle/prefix/1063 |
Resumo: | O couro de sapo causa perdas significativas na produtividade de raízes de mandioca (Manihot esculenta Crantz) e de modo geral, a diagnose é realizada de forma visual ou com uso de técnicas moleculares, geralmente de forma tardia. O objetivo deste trabalho foi analisar a viabilidade da espectrometria do infravermelho próximo (NIR) para detecção precoce da doença com diferentes modelos de calibração. A análise do NIR foi realizada em 238 acessos de mandioca (120 sadios e 118 infectados pelo couro de sapo). Os modelos de classificação utilizados foram Bayesian Generalized Linear Model (BGLM), Extreme Learning Machine (ELM), High Dimensional Discriminant Analysis (HDDA), Partial Least Squares (PLS), Parallel Random Forest (PRANDF) e Support Vector Machines with Linear Kernel (SVM). A capacidade preditiva dos modelos foi avaliada pela acurácia e índice de Kappa obtidas por validação cruzada. Os modelos foram testados utilizando todos os comprimentos de onda e seleção de comprimentos de onda por eliminação recursiva de características (RFE) com uso do algoritmo random forest. Os modelos preditivos demonstraram alta eficiência na distinção de acessos sadios e infectados, com acurácia acima de 80%. Quatro modelos (SVM, BGLM, PRANDF, PLS) apresentaram nível de concordância quase perfeita com base no índice de Kappa. Os modelos SVM e BGLM apresentaram elevada acurácia (99,07 e 98,92%, respectivamente) e reprodutibilidade (0,98) na classificação dos acessos. A seleção de comprimentos de onda NIR possibilitou a identificação de faixas mais informativas para construção dos modelos, porém reduziu o desempenho na classificação de todos os modelos, à exceção do ELM. O uso do NIR é uma alternativa viável para a detecção do couro de sapo, com as vantagens inerentes da detecção precoce e precisa, com elevada rapidez e baixo custo em comparação aos métodos tradicionais de diagnose. |
id |
UFRB-1_00a9bb4ed409e0c24c34559d4f71c42a |
---|---|
oai_identifier_str |
oai:ri.ufrb.edu.br:prefix/1063 |
network_acronym_str |
UFRB-1 |
network_name_str |
Repositório Institucional da UFRB |
repository_id_str |
2758 |
spelling |
2020-01-24T12:48:01Z2018-02-022020-01-24T12:48:01Z2018-02-02FREITAS, Emile Lemos. Método precoce para diagnóstico da doença “couro de sapo” da mandioca por infravermelho próximo. 2018. 52 f. Dissertação (Mestrado) - Curso de Mestrado em Recursos Genéticos Vegetais, Universidade Federal do Recôncavo da Bahia, Cruz das Almas, 2018.http://localhost:8080/handle/prefix/1063O couro de sapo causa perdas significativas na produtividade de raízes de mandioca (Manihot esculenta Crantz) e de modo geral, a diagnose é realizada de forma visual ou com uso de técnicas moleculares, geralmente de forma tardia. O objetivo deste trabalho foi analisar a viabilidade da espectrometria do infravermelho próximo (NIR) para detecção precoce da doença com diferentes modelos de calibração. A análise do NIR foi realizada em 238 acessos de mandioca (120 sadios e 118 infectados pelo couro de sapo). Os modelos de classificação utilizados foram Bayesian Generalized Linear Model (BGLM), Extreme Learning Machine (ELM), High Dimensional Discriminant Analysis (HDDA), Partial Least Squares (PLS), Parallel Random Forest (PRANDF) e Support Vector Machines with Linear Kernel (SVM). A capacidade preditiva dos modelos foi avaliada pela acurácia e índice de Kappa obtidas por validação cruzada. Os modelos foram testados utilizando todos os comprimentos de onda e seleção de comprimentos de onda por eliminação recursiva de características (RFE) com uso do algoritmo random forest. Os modelos preditivos demonstraram alta eficiência na distinção de acessos sadios e infectados, com acurácia acima de 80%. Quatro modelos (SVM, BGLM, PRANDF, PLS) apresentaram nível de concordância quase perfeita com base no índice de Kappa. Os modelos SVM e BGLM apresentaram elevada acurácia (99,07 e 98,92%, respectivamente) e reprodutibilidade (0,98) na classificação dos acessos. A seleção de comprimentos de onda NIR possibilitou a identificação de faixas mais informativas para construção dos modelos, porém reduziu o desempenho na classificação de todos os modelos, à exceção do ELM. O uso do NIR é uma alternativa viável para a detecção do couro de sapo, com as vantagens inerentes da detecção precoce e precisa, com elevada rapidez e baixo custo em comparação aos métodos tradicionais de diagnose.The frogskin disease causes significant yield losses in cassava roots (Manihot esculenta Crantz) and in general, the diagnosis is carried out visually or using molecular techniques, usually diagnosed in old plants. The objective of this work was to analyze the feasibility of near infrared spectrometry (NIR) for early detection of the disease by using different calibration models. A NIR analysis was performed on 238 cassava accessions (120 healthy and 118 frogskin-infected). Six classification models were used: bayesian generalized linear model (BGLM), extreme learning machine (ELM), high dimensional discriminant analysis (HDDA), partial least squares (PLS), parallel random forest (PRANDF) and support vector machines with linear kernel (SVM). The predictive ability of the models was evaluated by the accuracy and Kappa index obtained by cross validation. The models are tested using all wavelength and wavelength selection by the recursive feature elimination (RFE) method based on random forest algorithm. The predictive models demonstrated high efficiency to distinguish healthy from frogskin-infected accessions (accuracy > 80%). Four models (SVM, BGLM, PRANDF, PLS) yielded almost perfect classification based on the Kappa index. The SVM and BGLM models presented high accuracy (99.07 and 98.92%, respectively) and reproducibility (0.98) to classify the cassava accession based on the frogskin symptoms. The selection of NIR wavelengths allowed the identification of high informative spectrum for building the classification models, but it reduced the classification performance of all models, except the ELM. The use of NIR is a viable alternative for the frogskin detection with inherent advantages of early and accurate detection, with high accuracy and low time-consuming compared to traditional methods of diagnosis.porUniversidade Federal do Recôncavo da BahiaPPG1UFRBBrasilDepartamento 1CNPQ::CIENCIAS AGRARIAS::AGRONOMIABGMLEspectrometriaSeleção de variáveisSVM.Método precoce para diagnóstico da doençacouro de sapo‖ da mandioca por infravermelho próximoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisOliveira, Eder Jorge dehttp://lattes.cnpq.br/3533844615312370Oliveira, Saulo Alves Santo deNão consta na Plataforma Latts.Brito, Ana Carlahttp://lattes.cnpq.br/4676222971400176Cortes, Diego Fernando Marmolejohttp://lattes.cnpq.br/4719703126152644Jesus, Onildo Nunes dehttp://lattes.cnpq.br/8231371844466982http://lattes.cnpq.br/6392722668359398Lemos Freitas, Emileinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRBinstname:Universidade Federal do Recôncavo da Bahia (UFRB)instacron:UFRBLICENSElicense.txtlicense.txttext/plain; charset=utf-81866http://ri.ufrb.edu.br/jspui/bitstream/prefix/1063/2/license.txt43cd690d6a359e86c1fe3d5b7cba0c9bMD52ORIGINALDissertação Emile Freitas.pdfDissertação Emile Freitas.pdfapplication/pdf1125740http://ri.ufrb.edu.br/jspui/bitstream/prefix/1063/1/Disserta%c3%a7%c3%a3o%20Emile%20Freitas.pdfc3488d3b605618a6948b1d1c8784fbabMD51prefix/10632022-06-20 09:44:38.314oai:ri.ufrb.edu.br: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ório InstitucionalPUBhttp://www.repositorio.ufrb.edu.br/oai/requestnutin.cidoc@proplan.ufrb.edu.bropendoar:27582022-06-20T12:44:38Repositório Institucional da UFRB - Universidade Federal do Recôncavo da Bahia (UFRB)false |
dc.title.pt_BR.fl_str_mv |
Método precoce para diagnóstico da doença |
dc.title.alternative.pt_BR.fl_str_mv |
couro de sapo‖ da mandioca por infravermelho próximo |
title |
Método precoce para diagnóstico da doença |
spellingShingle |
Método precoce para diagnóstico da doença Lemos Freitas, Emile CNPQ::CIENCIAS AGRARIAS::AGRONOMIA BGML Espectrometria Seleção de variáveis SVM. |
title_short |
Método precoce para diagnóstico da doença |
title_full |
Método precoce para diagnóstico da doença |
title_fullStr |
Método precoce para diagnóstico da doença |
title_full_unstemmed |
Método precoce para diagnóstico da doença |
title_sort |
Método precoce para diagnóstico da doença |
author |
Lemos Freitas, Emile |
author_facet |
Lemos Freitas, Emile |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Oliveira, Eder Jorge de |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/3533844615312370 |
dc.contributor.advisor-co1.fl_str_mv |
Oliveira, Saulo Alves Santo de |
dc.contributor.advisor-co1Lattes.fl_str_mv |
Não consta na Plataforma Latts. |
dc.contributor.advisor-co2.fl_str_mv |
Brito, Ana Carla |
dc.contributor.advisor-co2Lattes.fl_str_mv |
http://lattes.cnpq.br/4676222971400176 |
dc.contributor.referee1.fl_str_mv |
Cortes, Diego Fernando Marmolejo |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/4719703126152644 |
dc.contributor.referee2.fl_str_mv |
Jesus, Onildo Nunes de |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/8231371844466982 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/6392722668359398 |
dc.contributor.author.fl_str_mv |
Lemos Freitas, Emile |
contributor_str_mv |
Oliveira, Eder Jorge de Oliveira, Saulo Alves Santo de Brito, Ana Carla Cortes, Diego Fernando Marmolejo Jesus, Onildo Nunes de |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS AGRARIAS::AGRONOMIA |
topic |
CNPQ::CIENCIAS AGRARIAS::AGRONOMIA BGML Espectrometria Seleção de variáveis SVM. |
dc.subject.por.fl_str_mv |
BGML Espectrometria Seleção de variáveis SVM. |
description |
O couro de sapo causa perdas significativas na produtividade de raízes de mandioca (Manihot esculenta Crantz) e de modo geral, a diagnose é realizada de forma visual ou com uso de técnicas moleculares, geralmente de forma tardia. O objetivo deste trabalho foi analisar a viabilidade da espectrometria do infravermelho próximo (NIR) para detecção precoce da doença com diferentes modelos de calibração. A análise do NIR foi realizada em 238 acessos de mandioca (120 sadios e 118 infectados pelo couro de sapo). Os modelos de classificação utilizados foram Bayesian Generalized Linear Model (BGLM), Extreme Learning Machine (ELM), High Dimensional Discriminant Analysis (HDDA), Partial Least Squares (PLS), Parallel Random Forest (PRANDF) e Support Vector Machines with Linear Kernel (SVM). A capacidade preditiva dos modelos foi avaliada pela acurácia e índice de Kappa obtidas por validação cruzada. Os modelos foram testados utilizando todos os comprimentos de onda e seleção de comprimentos de onda por eliminação recursiva de características (RFE) com uso do algoritmo random forest. Os modelos preditivos demonstraram alta eficiência na distinção de acessos sadios e infectados, com acurácia acima de 80%. Quatro modelos (SVM, BGLM, PRANDF, PLS) apresentaram nível de concordância quase perfeita com base no índice de Kappa. Os modelos SVM e BGLM apresentaram elevada acurácia (99,07 e 98,92%, respectivamente) e reprodutibilidade (0,98) na classificação dos acessos. A seleção de comprimentos de onda NIR possibilitou a identificação de faixas mais informativas para construção dos modelos, porém reduziu o desempenho na classificação de todos os modelos, à exceção do ELM. O uso do NIR é uma alternativa viável para a detecção do couro de sapo, com as vantagens inerentes da detecção precoce e precisa, com elevada rapidez e baixo custo em comparação aos métodos tradicionais de diagnose. |
publishDate |
2018 |
dc.date.available.fl_str_mv |
2018-02-02 2020-01-24T12:48:01Z |
dc.date.issued.fl_str_mv |
2018-02-02 |
dc.date.accessioned.fl_str_mv |
2020-01-24T12:48:01Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
FREITAS, Emile Lemos. Método precoce para diagnóstico da doença “couro de sapo” da mandioca por infravermelho próximo. 2018. 52 f. Dissertação (Mestrado) - Curso de Mestrado em Recursos Genéticos Vegetais, Universidade Federal do Recôncavo da Bahia, Cruz das Almas, 2018. |
dc.identifier.uri.fl_str_mv |
http://localhost:8080/handle/prefix/1063 |
identifier_str_mv |
FREITAS, Emile Lemos. Método precoce para diagnóstico da doença “couro de sapo” da mandioca por infravermelho próximo. 2018. 52 f. Dissertação (Mestrado) - Curso de Mestrado em Recursos Genéticos Vegetais, Universidade Federal do Recôncavo da Bahia, Cruz das Almas, 2018. |
url |
http://localhost:8080/handle/prefix/1063 |
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 do Recôncavo da Bahia |
dc.publisher.program.fl_str_mv |
PPG1 |
dc.publisher.initials.fl_str_mv |
UFRB |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Departamento 1 |
publisher.none.fl_str_mv |
Universidade Federal do Recôncavo da Bahia |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRB instname:Universidade Federal do Recôncavo da Bahia (UFRB) instacron:UFRB |
instname_str |
Universidade Federal do Recôncavo da Bahia (UFRB) |
instacron_str |
UFRB |
institution |
UFRB |
reponame_str |
Repositório Institucional da UFRB |
collection |
Repositório Institucional da UFRB |
bitstream.url.fl_str_mv |
http://ri.ufrb.edu.br/jspui/bitstream/prefix/1063/2/license.txt http://ri.ufrb.edu.br/jspui/bitstream/prefix/1063/1/Disserta%c3%a7%c3%a3o%20Emile%20Freitas.pdf |
bitstream.checksum.fl_str_mv |
43cd690d6a359e86c1fe3d5b7cba0c9b c3488d3b605618a6948b1d1c8784fbab |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRB - Universidade Federal do Recôncavo da Bahia (UFRB) |
repository.mail.fl_str_mv |
nutin.cidoc@proplan.ufrb.edu.br |
_version_ |
1802115745463664640 |