Banca de DEFESA: MIGUEL AVELINO BARBOSA NETO

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: MIGUEL AVELINO BARBOSA NETO
DATA: 27/12/2024
HORA: 08:00
LOCAL: Sala de videoconferência
TÍTULO: Aprendizagem de máquina para detecção de regimes hídricos por imagens termográficas em genótipos de algodoeiros
PALAVRAS-CHAVES: Gossypium hirsutum L., Inteligência Artificial, Indicadores de desempenho, Termografia Infravermelha
PÁGINAS: 76
GRANDE ÁREA: Ciências Agrárias
ÁREA: Agronomia
SUBÁREA: Fitotecnia
ESPECIALIDADE: Manejo e Tratos Culturais
RESUMO: O Algodão (Gossypium hirsutum L.) é uma das culturas mais versáteis e utilizadas na indústria têxtil, sendo muito cultivada na região Nordeste do Brasil, tendo valor histórico e socioeconômico. A fibra de muitos genótipos passou a possuir cores diversas, reduzindo custos em temos de tingimento de fibras, além de ser aparentemente mais atrativa para produção e confecção de tecidos e outros produtos derivados. Os objetivos do trabalho foram: (i) aplicar modelos de aprendizagem de máquinas por termografia infravermelha na identificação de fenótipos de algodão em diferentes regimes hídricos; (ii) Avaliar o desempenho fotossintético e produtivo de genótipos de algodão em quatro regimes hídricos nas condições climáticas do cariri paraibano. O experimento foi conduzido no campo experimental do Centro de Desenvolvimento Sustentável do Semiárido (CDSA), da Universidade Federal de Campina Grande (UFCG). Em relação a análise de solo, coletou-se duas amostras na profundidade de 20-40cm, em pontos estratégicos da área experimental. A investigação foi realizada em delineamento em blocos casualizados (DBC) em esquema fatorial 5 x 4, sendo cinco genótipo de algodão dos quais três coloridos (BRS Rubi, BRS Verde e BRS Jade) e dois genótipos de cor branca (BRS 416 e BRS 269), submetidos a quatro regimes hídricos (100%, 75%, 50% e 25% da Evapotranspiração da Cultura - ETc). As sementes dos genótipos cultivados foram adquiridas do banco de germoplasma da Empresa Brasileira de Pesquisa Agropecuária (Embrapa Algodão, Campina Grande-PB); foram distribuídas uma semente por cova, com espaçamento de 0,1 m, após 15 dias realizou-se o desbaste com espaçamento de 0,2 m, com 15 plantas em cada subparcela de 1m². A irrigação foi realizada com base na evapotranspiração de referência (ETo), evapotranspiração da cultura (ETc), e, na evapotranspiração do tanque classe A (ECA). Foi utilizado sistema de irrigação por gotejamento com auxílio de motobomba de 1 CV com emissores de espaçamento (0,1 m) e vazão de 2,1 L h-1. Para realização dos testes dos modelos foram testados os algoritmos KNN (K-vizinhos mais próximos), Árvore de Decisão, Floresta Aleatória (RF), Máquina de Vetores de Suporte (SVM) e Rede Neural Artificial (RNA). Foi avaliada a performance de cada modelo, realizando-se, em seguida, a validação e escolha do melhor modelo. Os vetores foram testados em diferentes Embedding, (InceptionV3, SqueezeNet, VGG16 e VGG19), com melhores indicadores de desempenho, os Embedding VGG16 e VGG19 na extração de características discriminatórias dos genótipos. A análise de trocas gasosas foi realizada com auxílio do analisador de gases por infravermelho (IRGA - Infrared Gas Analyzer) modelo LI-6800 LI-COR®; o conteúdo relativo de água (CRA, %) foi obtido com corte circular das folhas frescas numa área de 19,63 mm2 com auxilio de perfurador de cobre. Para extravasamento de eletrólitos foram utilizados cinco discos de folhas frescas para mensuração da condutividade elétrica inicial e final (Xf-Xi). Na análise estatística, foi realizado o teste de Shapiro-Wilk para verificar a normalidade dos dados, em seguida, foram transformados em variável Z. Após convertidos, os dados foram submetidos a análise multivariada por meio da análise de componentes principais (ACP). O modelo de Rede Neural Artificial (RNA) foi o mais eficiente na identificação de plantas de algodão sob estresse hídrico baseados em aprendizado de máquina. O genótipo BRS Verde sob irrigação plena obteve os melhores valores em termos crescimento, massa fresca da folha (MFF), área foliar total (AFT) e massa seca total da parte aérea (MSTA), seguida do genótipo BRS Rubi em 100% e 75% da ETc; o genótipo BRS 269 obteve os melhores valores de produtividade (PROD) sob irrigação plena.
MEMBROS DA BANCA:
Presidente - 1755911 - MANOEL BANDEIRA DE ALBUQUERQUE
Interno - 1092436 - FABIO MIELEZRSKI
Interno - 1840849 - JOSE BRUNO MALAQUIAS
Externo à Instituição - RENER LUCIANO DE SOUZA FERRAZ
Externo à Instituição - ROBSON LUIS SILVA DE MEDEIROS