Publicação: Redes neurais artificiais para previsão de qualidade de fibra do algodoeiro (Gossypium hirsutum L.)
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Área do conhecimento
CNPQ::CIENCIAS AGRARIAS::AGRONOMIA, CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
A formação e regulação da qualidade da fibra do algodoeiro sempre foi um
importante campo de pesquisa para melhorar a qualidade da fibra, commodities e valor
de mercado da cultura. Uniformidade, comprimento, resistência e micronaire representam
os fatores mais importantes da qualidade de fibra do algodoeiro. A temperatura e
precipitação em abundância ou deficiência estão entre os mais importantes fatores chave
que afetam a qualidade da fibra. No presente estudo, utilizamos diferentes arquiteturas de
redes neurais artificiais (RNA) para explorar os efeitos de temperatura ambiente e
precipitação sobre a qualidade de fibra do algodoeiro, com base em 5 cultivares (TMG
44 B2RF, FM 983 GLT, FM 906 GLT, FM 985 GLTP, FM 911 GLTP), além de 11.042
amostras de HVI (High Volume Instrument) da safra 2020/21, no município de
Coromandel, Minas Gerais. Os resultados mostram que o modelo de RNA com a estrutura
de 12–12–1 pode prever resistência da fibra com alta precisão (R² = 0,90), o modelo RNA
com a estrutura de 10–11– 1 pode prever o comprimento da fibra com a maior precisão
(R² = 0,91), e o modelo RNA com a estrutura de 9–10–1 pode prever a uniformidade de
fibra com a mais alta precisão (R² = 0,95). As previsões dos modelos de rede neural
artificial estabelecidas podem melhorar a qualidade da fibra do algodoeiro produzida na
propriedade otimizando de acordo com cultivar, além da temperatura e precipitação
monitoradas.
Abstract
The formation and regulation of cotton fiber quality has always been an
important field of research to improve fiber quality, commodities and market value of the
crop. Uniformity, length, resistance and micronaire represent the most important factors
of cotton fiber quality. Temperature and precipitation in abundance or deficiency are
among the most important key factors that affect fiber quality. In the present study, we
used different artificial neural network (ANN) architectures to explore the effects of
ambient temperature and precipitation on cotton fiber quality, based on 5 cultivars (TMG
44 B2RF, FM 983 GLT, FM 906 GLT, FM 985 GLTP, FM 911 GLTP), in addition to
11,042 HVI (High Volume Instrument) samples from the 2020/21 crop season, in
Coromandel, Minas Gerais state. The results show that the ANN model with the 12–12–
1 structure can predict fiber strength with high accuracy (R² = 0.90), the ANN model with
the 10–11–1 structure can predict fiber length. fiber with the highest accuracy (R² = 0.91),
and the ANN model with the structure of 9–10–1 can predict fiber uniformity with the
highest accuracy (R² = 0.95). Predictions from established artificial neural network
models can improve the quality of cotton fiber produced on the property by optimizing
according to cultivar, in addition to monitored temperature and precipitation.
Palavras-chave
Gossypium hirsutum, qualidade de fibra, rede neural artificial, algodão, plantio, Artificial neural networks, fiber quality
Citação
SILVA JÚNIOR, Elvécio Gomes da. Redes neurais artificiais para previsão de qualidade de fibra do algodoeiro (Gossypium hirsutum L.). 2022. 47 f. Dissertação (Mestrado em Agronomia) - Universidade Federal de Uberlândia, Uberlândia, 2022. DOI http://dx.doi.org/10.14393/ufu.di.2022.333.
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto