"Ciências Básicas para o Desenvolvimento Sustentável"

24 a 26 de outubro de 2023

Trabalho 18682

ISSN 2237-9045
Instituição Universidade Federal de Viçosa
Nível Graduação
Modalidade Pesquisa
Área de conhecimento Ciências Agrárias
Área temática Inteligência Artificial
Setor Departamento de Engenharia Agrícola
Bolsa PIBIC/CNPq
Conclusão de bolsa Sim
Apoio financeiro CNPq
Primeiro autor Miquéias Henrique Pereira
Orientador DANIEL MARCAL DE QUEIROZ
Outros membros Charles Cardoso Santana, Flávio Souza Santos, Rogério Faria Vieira, Sarah Abade Ribeiro
Título Desenvolvimento de modelo de predição de severidade do mofo-branco em feijoeiro com base em técnicas de machine learning
Resumo O feijão é um item básico da alimentação do brasileiro. É fonte de carboidratos, proteínas, vitaminas e sais minerais. O feijão pode ser cultivado durante todo o ano, em três safras, geralmente denominadas de primeira, segunda e terceira safra. Para o feijão de terceira safra, também denominado feijão de outono-inverno, a irrigação é indispensável. O clima mais ameno e a umidade proporcionada pela irrigação da terceira safra podem favorecer o desenvolvimento de doenças fúngicas, como o mofo-branco, causada pelo fungo Sclerotinia sclerotiorum. Esta doença exige que os agricultores façam, pelo menos, duas aplicações fungicidas a partir da floração. Sendo assim, compreender os fatores que favorecem o desenvolvimento do mofo-branco é de elevada importância, uma vez que podem facilitar o combate à doença por meio da identificação de quando esta pode surgir e como pode ser sua severidade. Dessa forma, este trabalho propôs desenvolver um modelo de machine learning para prever o risco de ocorrência do mofo-branco no feijoeiro com base em dados históricos de ocorrência desta doença obtidos em condições de campo. Os dados são provenientes de cinco experimentos realizados nas cidades de Oratórios/MG (anos 2014 e 2015) e Viçosa/MG (anos 2000, 2001 e 2017). Para este trabalho, dos dados coletados nestes cinco experimentos foram o Índice de Severidade de Doença, a densidade do plantio, a variedade cultivada (Pérola, VC17 e Madrepérola), a aplicação ou não aplicação de fungicida, o fechamento de fileira, a precipitação e as temperaturas mínima, média e máxima diárias. Realizou-se uma análise estatística para determinar como essas diferentes variáveis do banco de dados afetam risco de ocorrência do mofo-branco. Tomando por base as variáveis que mais afetaram a severidade da doença, foi utilizado o modelo Random Forest (RF) para a predição de severidade por meio de regressão. O erro médio absoluto (MAE) e o coeficiente de determinação (R2) foram utilizados para avaliar o modelo de previsão de severidade. O modelo RF com base na densidade, aplicação ou não aplicação de fungicida, fechamento de fileira, precipitação e temperatura média apresentou um MAE de 8,53% e R2 de 0,83. Obteve-se ainda, para o modelo com base na densidade, aplicação ou não aplicação de fungicida, precipitação e temperatura média, resultados de MAE de 9,85% e R2 de 0,79. Diante dos resultados obtidos, inferiu-se que a predição da severidade do mofo-branco pode ser realizada usando apenas a densidade, aplicação ou não aplicação de fungicida, fechamento de fileira, precipitação e temperatura média num banco de dados limitado, tornando viável sua utilização por produtores com pouca capacidade de coleta e com baixa densidade de dados.
Palavras-chave Sclerotinia sclerotiorum, Agricultura digital, Phaseolus vulgaris L.
Forma de apresentação..... Painel
Link para apresentação Painel
Gerado em 0,59 segundos.