“Inteligência Artificial: A Nova Fronteira da Ciência Brasileira”

19 a 24 de outubro de 2020

Trabalho 13418

ISSN 2237-9045
Instituição Universidade Federal de Viçosa
Nível Graduação
Modalidade Pesquisa
Área de conhecimento Ciências Agrárias
Área temática Agronomia
Setor Departamento de Entomologia
Conclusão de bolsa Não
Apoio financeiro CAPES, CNPq, FAPEMIG
Primeiro autor Júlia Borges Melo
Orientador MARCELO COUTINHO PICANCO
Outros membros Aline Araújo Farias, Elizeu de Sá Farias, Renata Cordeiro dos Santos
Título Redes neurais artificiais aplicadas à predição de dinâmica temporal de populações de Plutella xylostella (Lep.: Plutellidae)
Resumo A traça das brássicas, Plutella xylostella (Lepidoptera: Plutellidae), causa grandes prejuízos em brássicas. As lagartas consomem as folhas, levando a redução da produtividade e da qualidade dessas hortaliças. Diversos fatores influenciam a dinâmica temporal de populações de pragas, incluindo as plantas hospedeiras e os elementos climáticos. Redes neurais artificiais (RNA), estruturas baseadas em neurônios humanos, são técnicas recentes de modelagem de dados. Por meio de diferentes topologias de RNA, é possível desenvolver modelos de previsão para auxiliar a tomada de decisão. O objetivo desse estudo foi avaliar a eficiência de redes neurais artificiais na predição da dinâmica temporal de P. xylostella. Avaliações quinzenais foram realizadas durante dois anos em lavouras de brássicas (brócolis, couve-flor e repolho) localizadas em Coimbra, MG. Em cada avaliação, as plantas (20 por hospedeiro) eram inspecionadas por inteiro e o número de lagartas e pupas de P. xylostella era registrado. Os dados de precipitação pluviométrica, temperatura e umidade relativa do ar foram obtidos do site Agritempo. Redes neurais foram elaboradas para predizer a densidade média de P. xylostella em função do hospedeiro e das variáveis climáticas (valores médios de duas semanas anteriores às avaliações). As análises foram realizadas usando o software R. Primeiramente os dados foram divididos em conjunto de treinamento (70%) e validação (30%). As redes foram desenvolvidas usando a função nnet do pacote nnet e adotando o algoritmo de treinamento “back-propagation”, função de ativação linear e uma camada escondida com número variável de neurônios (1, 2, 4 e 6 neurônios.). A topologia mais adequada (i.e., número de neurônios) foi selecionada com base na raiz quadrada do erro-médio e do coeficiente de correlação de Pearson do conjunto de validação. A performance das redes foi comparada com a de um modelo linear generalizado (GLM, função glm.nb do pacote MASS) contendo os mesmos preditores. Por fim, a importância relativa de cada preditor na topologia mais precisa foi determinada usando o algoritmo de Olden (função olden do pacote NeuralNetTools). Independente da topologia, as RNA apresentaram melhor desempenho que o modelo GLM. Dentre as redes, a topologia com 4 neurônios obteve melhor performance. A precipitação, negativamente relacionada com a abundância de P. xylostella, foi a variável climática mais importante. Repolho e couve apresentaram menores densidades da praga em relação ao brócolis. Nosso trabalho ilustra a efetividade de RNA na predição e estudo de fatores determinantes da abundância de P. xylostella.
Palavras-chave brássicas, inteligência artificial, MIP
Forma de apresentação..... Vídeo
Link para apresentação Vídeo
Gerado em 0,62 segundos.