Uso de redes neurais artificiais para avaliação comparativa do desenvolvimento de mudas de Eucalyptus spp. produzidas em tubetes de polipropileno e em berço germinador compostável a campo

• Autor(a) principal: Mingoranci, Vitória Costa
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/244378
• topic: Inteligência artificial; Mensuração florestal; Sustentabilidade; Agrotecnologia; Inovação; Artificial intelligence; Forest measurement; Sustainability; Agrotechnology; Innovation

Atualmente, a sustentabilidade tem se tornado uma questão frequente e importante. Medidas que visam reduzir os impasses para uma produção sustentável estão sendo cada vez mais adotadas, especialmente na produção das florestas plantadas. A cultura do eucalipto é amplamente utilizada na produção de papel e celulose, devido ao seu grande potencial de produtividade tornando o Brasil o segundo maior produtor do mundo. No entanto, a qualidade das mudas desempenha um papel fundamental no crescimento e sobrevivência das plantas pós-plantio. O uso de tubetes é predominante na produção de mudas de eucalipto no setor florestal. Nesse contexto, há uma necessidade de utilizar recipientes renováveis para substituir os tubetes convencionais. Além disso, a inteligência artificial tem desempenhado um papel cada vez mais importante no setor florestal, sendo aplicada em diversas áreas, como medição de volume, diâmetro e altura das árvores, identificação de incêndios florestais, doenças e análises de diversidade genética. As Redes Neurais Artificiais, em particular, são altamente adaptáveis e flexíveis, permitindo a compreensão e simulação das relações presentes nos sistemas complexos, como os ecossistemas florestais. Este trabalho teve por objetivo comparar o desempenho de árvores de Eucalyptus spp produzidas em tubete de polipropileno e em Berço Germinador Compostável em campo, por meio do método baseado em Redes Neurais Artificiais. As plantas foram provenientes de um sistema de produção em estufa agrícola e transplantadas a campo. Foram realizadas avaliações de altura e diâmetro. Na análise estatística, considerou-se o ajuste de modelos de crescimento, lineares e não lineares, incluindo os modelos Logístico, Gompertz e Von Bertalanffy. Além disso, foram utilizadas diferentes arquiteturas e predição de fenótipos pelas Redes Neurais Artificiais, considerando um conjunto do tipo MLP (Perceptron Multicamada) com o treinamento supervisionado com algoritmo backpropagation. Foram consideradas duas camadas ocultas e diferentes quantidades de neurônios, bem como o uso de métricas para avaliar a eficiência. Também foi avaliada a biodegradabilidade dos tubetes SIS BGC®. Os resultados indicam que o uso do tubete SIS BGC® não afetou o desenvolvimento e pode ser considerado uma alternativa ao tubete convencional. No entanto, a taxa de biocompostabilidade não atingiu a porcentagem determinada. Em resumo, os modelos de crescimento não lineares apresentaram um melhor ajuste dos dados e as Redes Neurais Artificiais foram consideradas modelos adequados para predição de altura e diâmetro de árvores da espécie eucalipto. Além disso, a quantidade de neurônios nas arquiteturas testadas das redes não influenciou o desempenho dos modelos.