Publicação: Uso de fenotipagem de alto rendimento e técnicas de inteligência artificial na avaliação da produtividade de Glycine max submetidas a adubação foliar
Carregando...
Arquivos
Data
Autores
Orientador
Tomaz, Rafael Simões 
Coorientador
Lima, Ronaldo Cintra
Pós-graduação
Curso de graduação
Dracena - FCAT - Engenharia Agronômica
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
A soja [Glycine max (L.) Merrill] é a principal cultura leguminosa do mundo, sendo, respectivamente o Brasil, USA e Argentina os seus principais produtores. A utilização do grão da soja na dieta humana e animal em vários países decorre de seu valor nutricional, principalmente pelo alto conteúdo proteico, com cerca de 40%. No Brasil, muito do sucesso da cultura decorre do uso de variedades melhoradas, mais adaptadas às condições edafoclimáticas da região e em melhorias no sistema de produção. A utilização de tecnologias como o uso de fertilizantes foliares aliado ainda a tecnologia de análise mais atuais como a fenotipagem de alto rendimento por meio de drones, e o uso de inteligência artificial na análise de dados tem permitido nos últimos anos um aumento na produtividade da cultura. Com o intuito de avaliar os fatores citados no desenvolvimento de produtividade da cultura da soja, foram realizados, dois experimentos em delineamento de blocos casualizados, com três repetições, em esquema fatorial, considerando, variedades e níveis de tratamento com fertilizante foliar. Os experimentos foram implantados na área experimental irrigada do FCAT UNESP – Campus de Dracena, nas safras agrícolas de 2021/2022 e 2022/2023. Foram avaliadas características agronômicas de desenvolvimento da cultura, e atributos de produtividade, sendo realizada, adicionalmente, a fenotipagem de alto rendimento com o drone Mavic 2 Pro. Foram realizados voos periódicos na cultura com o intuito de coletar imagens e realizar a associação destas com as características agronômicas mensuradas, fazendo uso de redes neurais artificiais do tipo perceptrom multicamada. Os resultados permitiram identificar fonte de variação relativo tanto às variedades, quanto aos tratamentos foliares. Ainda, as redes construídas permitiram com sucesso a modelagem da produtividade da cultura por meio das imagens coletadas com o drone.
Resumo (inglês)
Soybean [Glycine max (L.) Merrill] is the world's principal legume crop, with Brazil, the USA, and Argentina being its main producers. The use of soybean grain in human and animal diets in various countries is due to its nutritional value, particularly its high protein content of about 40%. In Brazil, much of the crop's success is attributed to the use of improved varieties that are better adapted to the region's soil and climatic conditions, as well as improvements in the production system. The utilization of technologies such as foliar fertilizers, alongside the latest technology in analysis like high-throughput phenotyping through UAV - Unmanned Aerial Vehicle –, and the use of artificial intelligence in data analysis, has enabled an increase in crop productivity in recent years. In order to evaluate the mentioned factors in the development of soybean crop productivity, two experiments were conducted using a randomized block design with three replications, in a factorial scheme considering varieties and levels of foliar fertilizer treatment. The experiments were carried out in the irrigated experimental area of FCAT UNESP – Dracena Campus, during the 2021/2022 and 2022/2023 agricultural seasons. Agronomic characteristics of crop development and productivity attributes were evaluated, with additional high-throughput phenotyping performed using the Mavic 2 Pro drone. Periodic flights over the crop were conducted to collect images and associate them with measured agronomic characteristics, using multilayer perceptron artificial neural networks. The results identified sources of variation related to both the varieties and foliar treatments. Furthermore, the constructed networks successfully modeled crop productivity through the images collected with the UAV.
Descrição
Palavras-chave
Glycine max, Inteligência Artificial, Biometria, Artificial Intelligence, Biometrics
Idioma
Português
Como citar
VISIOLI, João Vitor Braga. Uso de fenotipagem de alto rendimento e técnicas de inteligência artificial na avaliação da produtividade de Glycine max submetidas a adubação foliar. 2024. 50 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Agronômica) - Universidade Estadual Paulista (UNESP), Faculdade de Ciências Agrárias e Tecnológicas, Dracena, 2024.
