Uso de variáveis multi e hiperespectrais para a predição de caracteres agronômicas em soja em diferentes estágios fenológicos

• Ano de defesa: 2024
• Autor(a) principal: Silva, Celí Santana [UNESP]
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Sensores remotos; Bandas espectrais; Inteligência computacional; Melhoramento de plantas; Remote sensors; Spectral bands; Computational intelligence; Plant breeding
• Link de acesso: https://hdl.handle.net/11449/259072; https://wwws.cnpq.br/cvlattesweb/PKG_MENU.menu?f_cod=1661A850C217D6046DFE4BEE024B299E#

A caracterização de variáveis agronômicas com base nos sensores remotos utilizando as bandas espectrais com aprendizagem de máquina (AM) pode ser usado na fenotipagem. Essa tese foi dividida em dois capítulos. No primeiro, o objetivo foi avaliar o melhor AM e as configurações de entradas na classificação das variáveis agronômicas em diferentes estágios fenológicos. O segundo capítulo teve como objetivo utilizar o sensor hiperespectral para avaliação dos caracteres agronômicos em diversos estágios fenológicos da cultura da soja e identificar o melhor AM nas diferentes entradas testados. O experimento foi conduzido na safra 2021/2022 na área experimental da Universidade Federal de Mato Grosso do Sul, localizada no Município de Chapadão do Sul-MS. A aquisição das bandas espectrais do capítulo 1 foi realizada em três estágios fenológicos dos genótipos de soja: V8, R1 e R5. O sensor multiespectral Sequoia fez a aquisição da reflectância nos comprimentos de onda do azul (450 nm, proveniente do sensor RGB), verde (550 nm), vermelho (660 nm), borda do vermelho (735 nm) e infravermelho próximo (790 nm) possuindo um sensor de luminosidade que permite a calibração radiométrica radio métrica dos valores adquiridos. O sensor hiperespectral utilizado no capitulo 2 permitiu capturar a refletância entre os comprimentos de ondas entre 450 e 824 nm tendo como objetivo a avaliação dos caracteres agronômicos em diferentes estágios fenológicos da cultura. Os dados agronômicos e espectrais foram submetidos a análises estatísticas. A primeira análise feita foi a separação dos genótipos em grupos por meio do algoritmo k-means. Os modelos de AM de máquinas utilizados para classificação foram, REPTree (DT), Árvores de decisão J48 (J48), Floresta Aleatória (RF), Redes Neurais Artificiais (RNA), Regressão Logística (RL) e Máquina de Vetor Suporte (SVM). O desempenho de cada algoritmo foi mensurado por meio de duas métricas de acurácia: porcentagem de classificações corretas (CC) e F-score. Foram construídos boxplots para expressar acurácia dos modelos e dos inputs para cada métrica de acurácia. No capítulo 1 os modelos J48, REPtree e RNA podem ser utilizados para classificação de genótipos de soja quanto as características agronômicas. Os estágios vegetativos para aquisição dos dados espectrais podem ser V8 e R1. Com o uso de variáveis hiperespectrais, os algoritmos RL, SVM, J48 e REPTree podem ser aplicados para classificação dos genótipos de soja referente aos caracteres agronômicos nos estágios fenológicos V8 e R1.