Das Montanhas de Minas ao Oceano : Os Caminhos da Ciência para um futuro sustentável
20 a 24 de outubro de 2025
Trabalho 20611
| Instituição | Universidade Federal de Viçosa |
|---|---|
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Dimensões Sociais: ODS2 |
| Setor | Instituto de Ciências Exatas e Tecnológicas |
| Conclusão de bolsa | Não |
| Apoio financeiro | CNPq |
| Primeiro autor | Carlos Mateus Fonseca Gonçalves |
| Orientador | EDER MATSUO |
| Outros membros | Elias de Souza Lima Júnior, Gabriel Marson Adriano de Souza, Luiz Felipe Queiroz Noronha, Rafael Goncalves de Borba Netto |
| Título | Aplicação das redes neurais artificiais na classificação de cultivares de soja |
| Resumo | As Redes Neurais Artificiais (RNA) fazem parte do aprendizado de máquina que é um dos principais ramos da inteligência artificial. Inspiradas nas redes neurais biológicas, essas estruturas computacionais simulam o comportamento dos neurônios presentes em seres vivos. As RNAs têm sido aplicada na agropecuária em diferentes áreas do conhecimento. No presente trabalho, objetivou-se classificar cultivares de soja utilizando caracteres morfológicos, por meio das Redes Neurais Artificiais e da Análise Discriminantes de Anderson. O experimento foi instalado e conduzido em casa de vegetação do Laboratório de Bioestatística da UFV – Campus Rio Paranaíba. Utilizou-se sementes de cultivares de soja (BRS 283, BRS 284, BRS 511, BRS 519, BRS 531 e BRS 573) as quais foram semeadas à 2 cm de profundidade em solo acondicionado em vaso de 3 dm³ de capacidade. Quando as plantas atingiram o estádio VE foi realizado desbaste mantendo 3 plantas por vaso. No estádio V2 avaliou-se o comprimento do epicótilo e altura de planta e, em V3, o comprimento do epicótilo, altura de planta e o comprimento da raqui da primeira folha trifoliolada. O experimento foi instalado com seis cultivares e cinco repetições no delineamento em blocos casualizados, sendo que cada unidade experimental foi proveniente de média de 3 plantas cultivadas em um vaso. O conjunto de dados original foi utilizado como base para a replicação de ampliação de dados por meio do procedimento “Replicação de Ampliação de Dados” do Programa Genes, obtendo conjunto de dados simulados com 400 informações/cultivar. Deste conjunto, 80% foram utilizados para treinamento e 20% para validação. A classificação das cultivares foi realizada por meio das Redes Neurais Artificiais e da Análise Discriminantes de Anderson. O modelo de RNA utilizado foi o perceptron multicamadas, com arquitetura formada por uma camada de entrada, uma camada oculta (variando o número total de neurônios de 1 a 20) e uma camada de saída. A comparação entre os métodos das RNAs e Análise Discriminante de Anderson foi realizada pela análise da taxa de erro aparente (TEA). As análises foram realizadas no Programa Genes e Programa R (pacote nnet). Para RNA, a camada de entrada foi composta de 5 neurônios correspondentes ao número de variáveis explicativas, a camada oculta foi composta por 11 neurônios e a camada de saída composta por 6 neurônios que são correspondentes às 6 cultivares. Utilizando a RNA, no treinamento, obteve-se a taxa de erro aparente (TEA) de 12,44% e no processo de validação da RNA obteve-se TAE de 17,08%. Para os resultados da Análise Discriminante de Anderson, a TAE foi de 51,82% (com os dados de treinamento) e ao utilizar os dados de validação por meio das funções discriminantes, obteve-se a TEA de 51,87%. Desta forma, conclui-se que a RNA apresentou menor TEA em comparação com a Análise Discriminante de Anderson quando utilizadas na classificação de cultivares de soja. |
| Palavras-chave | Glycine max, inteligência artificial, taxa de erro aparente |
| Apresentações |
|
Clique na forma de apresentação para ver a apresentação.
| Link para apresentação | Painel |
|---|