“Bicentenário da Independência: 200 anos de ciência, tecnologia e inovação no Brasil e 96 anos de contribuição da UFV”.

8 a 10 de novembro de 2022

Trabalho 16296

ISSN 2237-9045
Instituição Universidade Federal de Viçosa
Nível Graduação
Modalidade Pesquisa
Área de conhecimento Ciências Biológicas e da Saúde
Área temática Genética
Setor Departamento de Biologia Geral
Bolsa PIBIC/CNPq
Conclusão de bolsa Sim
Apoio financeiro CNPq
Primeiro autor Caio Marchiorato de Gouveia
Orientador LEONARDO LOPES BHERING
Título Inteligência computacional aplicada ao melhoramento genético de plantas
Resumo Introdução: O uso conjunto de ferramentas atuais como redes neurais artificiais e índices de vegetação podem aumentar a precisão e velocidade dos processos de tomada de decisão no melhoramento genético de plantas, como por exemplo, no melhoramento da cultura do milho. Objetivos: O objetivo do trabalho foi descrever a eficiência da inteligência computacional na predição de variáveis de interesse, na cultura do milho, e determinar o(s) melhor(es) índice(s) de vegetação(ões) na predição destas variáveis facilitando o processo seletivo. Material e Métodos: Foram avaliadas duas safras de milho, 2017/1018 e 2018/2019, no campo experimental da Universidade Federal de Mato Grosso do Sul em delineamento de bloco casualizados com três repetições em esquema fatorial para a obtenção dos dados de comprimentos de ondas (espectros NIR, red, rededge e green) e as variáveis altura de planta (AP), altura da inserção de espiga (AIE), diâmetro de colmo (DC), número de grãos por fileira (NGF), comprimento da espiga (CE) e número de fileiras por espiga (NFE). De posse dos comprimentos de ondas nos, calculou-se os índices de vegetação NDVI, GNDVI, NDRE e SAVI. Inicialmente utilizou-se a Análise de Trilha, para observar o efeito direto e indireto que os índices de vegetação possuíam sobre as variáveis agronômicas, para estudar a capacidade de predição destas variáveis através dos índices de vegetação e dos comprimentos de ondas coletados, e por fim, testou os algoritmos de Garson modificado por Goh e algoritmo de Olden, para inferência da importância dos IVs e comprimentos de onda sobre a predição das variáveis de interesse. Resultados: A rede neural Perceptron Multicamada foi avaliada apresentando topologia com uma camada oculta (1 a 15 neurônios), e duas camadas ocultas (1 a 10 neurônios), com as funções de ativação Logística e Tangente Hiperbólica. Foi obtido um coeficiente de determinação (R²) de 81,12% na predição de AP com uma topologia da rede de duas camadas ocultas sendo 10 e 9 neurônios na primeira e segunda camada, respectivamente, dando ênfase para o índice de vegetação NDRE que apresentou maior importância relativa pelo algoritmo de Garson modificado por Goh na predição de tal variável de interesse. Porém, variáveis agronômicas como diâmetro de colmo não demonstraram um R² maior que 49,21% em todas as topologias, sendo necessário um estudo sobre novas variáveis de entrada. O índice de vegetação NDVI também aparece com alta relevância para a predição de AIE, apresentando uma importância relativa de 30,23% no método de Garson modificado por Goh e importância bruta pela soma dos pesos entre as conexões da rede de 6,94 no método de Olden. Conclusão: As redes neurais Perceptron Multicamada com índices de vegetação mostraram-se eficiente na predição de AP, bem como os índices de vegetação NDRE e NDVI apareceram com alta importância relativa na predição das variáveis de AP e AIE.
Palavras-chave Fenotipagem de alto rendimento, Redes Neurais, Biometria
Forma de apresentação..... Vídeo
Link para apresentação Vídeo
Gerado em 0,63 segundos.