Detalhes bibliográficos
| Ano de defesa: |
2023 |
| Autor(a) principal: |
Bernardy, Ruan |
| Orientador(a): |
Gadotti, Gizele Ingrid |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal de Pelotas
|
| Programa de Pós-Graduação: |
Programa de Pós-Graduação em Ciências Ambientais
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
http://guaiaca.ufpel.edu.br/xmlui/handle/prefix/9808
|
Resumo: |
O Brasil possui uma agricultura de destaque nos últimos quarenta anos, com a Inteligência Artificial chamando atenção de pesquisadores em geral. Porém, existe uma preocupação mundial que valoriza mais o produto sustentável, descartando das opções de compra quando não se encontram nesses padrões. Assim, o objetivo desse estudo foi utilizar o aprendizado de máquinas para permitir a classificação de sementes de soja com maior precisão e eficácia, fornecendo ao produtor rural sementes com alta qualidade, reduzindo a dependência de agroquímicos para alcançar alta produtividade, a fim de tornar o processo mais seguro e sustentável do ponto de vista ambiental. Foram utilizados dados provenientes de testes realizados nos laboratórios de análises de sementes da Universidade Federal de Pelotas – RS e também de empresas sementeiras. Os dados foram divididos em dois conjuntos, o C1 com três formas de classificação, e o C2 com menor quantidade de variáveis. Os classificadores utilizados foram J48, Random Forest, CVR, lBk, MLP e NäiveBayes. Para certificar a precisão dos algoritmos, utilizaram-se as métricas de acurácia: precisão, recall, F-Measure e ROC Area. Os algoritmos MLP e Random Forest obtiveram as melhores respostas em 2 formas de classificação do C1 e no C2, com mais de 95% de assertividade. Todos os algoritmos conseguiram classificar os lotes com taxa de acertos superior a 75%, sendo alguns ficando em 99%. O MLP apresentou os melhores resultados, mesmo quando os dados foram classificados a partir de uma única variável, que foi posteriormente retirada para não viciar o classificador. Com os resultados obtidos foi possível realizar a avaliação e ranqueamento com precisão e acurácia, utilizando a inteligência artificial em lotes de sementes de soja. Os atributos físicos não foram utilizados como principais variáveis, quando a classificação foi realizada com base no segundo teste de viabilidade por TZ. Com o C2, o Vigor e a Germinação se apresentaram primordiais para a classificação com precisão. Porém, alguns cientistas ainda salientam que para uma boa caracterização e ranqueamento do lote é necessário a realização de outros testes. Os impactos ambientais causados pelo excessivo uso de agroquímicos na implantação da cultura podem ser reduzidos devido à elevação da qualidade fisiológica e, dessa forma, tornar a cadeia produtiva mais sustentável utilizando a tecnologia de informação como ferramenta, visando melhorar a qualidade de vida das pessoas e atentar para o meio ambiente, de modo que todo o ecossistema receba os devidos cuidados. |
