Uso de redes neurais artificiais – Self Organizing Map na seleção de genótipos de Eucalyptus spp. produzidos em diferentes recipientes de produção

Página do item simplificado
dc.contributor.advisorBarretto, Vitor Corrêa de Mattos [UNESP]
dc.contributor.authorNascimento, Elis Maria do
dc.contributor.coadvisorTomaz, Rafael Simões [UNESP]
dc.date.accessioned2024-07-01T18:40:00Z
dc.date.available2024-07-01T18:40:00Z
dc.date.issued2024-06-07
dc.description.abstractO Eucalyptus spp. desempenha um papel fundamental no Brasil, sendo uma das principais espécies que compõem as florestas plantadas no país. Embora o uso de recipientes de fontes não renováveis ainda seja predominante na produção de mudas florestais, novas alternativas que minimizem os impactos ambientais gerados têm sido amplamente estudadas. Concomitantemente a isso, a inteligência artificial está cada vez mais presente na agricultura, especialmente no setor florestal, sendo utilizada na identificação de incêndios, medição de volume, diâmetro e altura, detecção de doenças e avaliação da diversidade genética. Nesse sentido, as Redes Neurais Artificiais, em particular, demonstram uma notável capacidade de ajuste e adaptação, possibilitando a análise e simulação de interações em sistemas complexos. Neste contexto, o objetivo deste estudo foi avaliar o desenvolvimento das mudas em diferentes recipientes de produção e estudar a diversidade genética visando selecionar os melhores genótipos de Eucalyptus urograndis e Corymbia citriodora utilizando redes neurais Self Organizing Map (SOM). As plantas provenientes de sementes, foram desenvolvidas em casa de vegetação e transplantadas para vasos. Foram realizadas as avaliações da altura de planta e medição da fluorescência da clorofila. O experimento foi realizado em delineamento inteiramente casualizado, em esquema fatorial 8x2 com 6 repetições. Na análise estatística, foram considerados modelos lineares e não lineares, e as espécies foram avaliadas separadamente. Os resultados indicaram que o uso dos recipientes SIS BGC® interferiu no desenvolvimento das mudas, afetando negativamente o crescimento das plantas. O estudo da divergência genética dentro das populações foi realizado por meio de cálculos da distância Euclidiana. Devido à complexidade e à experiência necessária para a interpretação dos resultados dos dendrogramas gerados, utilizamos as redes neurais SOM como método auxiliar nas avaliações. Em síntese, as redes neurais SOM permitiram a visualização e identificação de genótipos superiores com base nas características das plantas, além de facilitar a identificação dos melhores indivíduos, viabilizando a tomada de decisão na seleção para o cruzamento.pt
dc.description.abstractEucalyptus spp. plays a fundamental role in Brazil, being one of the main species composing the planted forests in the country. Although the use of containers from non-renewable sources still predominates in forest seedling production, new alternatives that minimize the environmental impacts generated have been widely studied. Concurrently with this, artificial intelligence is increasingly present in agriculture, especially in the forestry sector, being used in fire detection, volume measurement, diameter and height, disease detection, and evaluation of genetic diversity. In this sense, Artificial Neural Networks, in particular, demonstrate a remarkable capacity for adjustment and adaptation, enabling the analysis and simulation of interactions in complex systems. In this context, the objective of this study was to evaluate the development of seedlings in different production containers and to study genetic diversity in order to select the best Eucalyptus urograndis and Corymbia citriodora genotypes using Self Organizing Map (SOM) neural networks. Plants from seeds were developed in a greenhouse and transplanted to pots. Evaluations of plant height an chlorophyll fluorescence measurements were performed. The experimente was conducted in a completely randomized desig, in na 8x2 factorial scheme with 6 repetitions. In the statistical analysis, linear and non-linear models were considered, and the species were evaluated separately. The results indicated that the use of SIS BGC® containers interfered with seedling development, negatively affecting plant growth. The study of genetic divergence within populations was conducted through Euclidean distance calculations. Due to the complexity and experience required for interpreting the results of the dendrograms generated, we used SOM neural networks as an auxiliary method in the evaluations. In summary, SOM neural networks allowed the visualization and identification of superior genotypes based on plant characteristics, as well as facilitating the identification of the best individuals, enabling decision-making in selection for crossing.en
dc.description.sponsorshipConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
dc.identifier.citationNASCIMENTO, Elis Maria. Uso de redes neurais artificiais – Self Organizing Map na seleção de genótipos de Eucalyptus spp. produzidos em diferentes recipientes de produção. 2024. 54 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Agronômica) - Universidade Estadual Paulista (UNESP), Faculdade de Ciências Agrárias e Tecnológicas, Dracena, 2024.
dc.identifier.urihttps://hdl.handle.net/11449/256198
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (Unesp)
dc.rights.accessRightsAcesso aberto
dc.subjectMelhoramento genéticopt
dc.subjectInteligência Artificialpt
dc.subjectMapas autoorganizáveispt
dc.subjectSustentabilidadept
dc.subjectMelhoramento do eucaliptopt
dc.subjectGenetic improvementen
dc.subjectArtificial intelligenceen
dc.subjectSelf-Organizing Mapen
dc.subjectSustainabilityen
dc.subjectEucalyptus improvementen
dc.titleUso de redes neurais artificiais – Self Organizing Map na seleção de genótipos de Eucalyptus spp. produzidos em diferentes recipientes de produção
dc.title.alternativeUse of artificial neural networks – Self Organizing Map in the selection of Eucalyptus spp. genotypes produced in different production containersen
dc.typeTrabalho de conclusão de cursopt
unesp.campusUniversidade Estadual Paulista (Unesp), Faculdade de Ciências Agrárias e Tecnológicas, Dracenapt
unesp.examinationboard.typeBanca pública
unesp.undergraduateDracena - FCAT - Engenharia Agronômica

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
nascimento_em_tcc_dra.pdf
Tamanho:
1.78 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 2 de 2
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
2.14 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Nenhuma Miniatura disponível
Nome:
nascimento_em_autorizacao_dra.pdf
Tamanho:
827.21 KB
Formato:
Adobe Portable Document Format
Descrição:

Coleções

Dracena - FCAT - Faculdade de Ciências Agrárias e Tecnológicas