Por favor, use este identificador para citar o enlazar este ítem: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1172356
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.contributor.authorFERREIRA, M. A. R.
dc.contributor.authorGOMES, R. A.
dc.contributor.authorSILVA, J. C.
dc.contributor.authorSILVA, J. de J.
dc.contributor.authorFREITAS, M. V. C.
dc.contributor.authorFREITAS, S. T. de
dc.contributor.authorDANTAS, B. F.
dc.date.accessioned2025-02-05T18:49:46Z-
dc.date.available2025-02-05T18:49:46Z-
dc.date.created2025-02-05
dc.date.issued2024
dc.identifier.citationInformativo Abrates, v. 30, n. 1, p. 115, Set. 2024.
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1172356-
dc.descriptionO armazenamento de sementes nativas desempenha um papel crítico na conservação, enriquecimento e restauração de ambientes degradados. A avaliação tradicional da qualidade das sementes armazenadas depende de testes destrutivos para avaliar a viabilidade, a germinação e o teor de água (TA). O objetivo deste trabalho foi desenvolver um método fácil e não destrutivo para avaliar o TA e a qualidade fisiológica de sementes, utilizando um espectrômetro portátil Vis-NIR com um modelo de algoritmo de aprendizado de máquina ajustado para essa análise. Sementes de diferentes populações de duas Fabaceae foram avaliadas individualmente quanto à germinação, teor de água com espectrômetro portátil F-750 (Felix Instruments, EUA). O TA de referência foi obtido após secagem a 105°C/24h, pesando-se as sementes individualmente. Para classificação da germinação, após a leitura individual das sementes no espectrômetro foi realizado o teste de germinação para as duas espécies, com quatro repetições de 25 sementes para cada lote. Foi realizada, também, avaliação individual das sementes quanto à germinação (SIM- germinada ou NÃO- não germinada). A validação externa e interna dos modelos foi obtida dividindo os dados em etapas de treinamento (70%) e de teste (30%), utilizando validação cruzada 10x. Os dados espectrais obtidos pelo espectrômetro foram processados utilizando o software Weka 3.8.6. Os algoritmos discriminativos aplicados foram Support Vector Machine, Multilayer Perceptron, Random Forest e J48. O algoritmo Randon Forest obteve o melhor ajuste tanto para avaliação do TA (R>0,90 e RMSE<2,5) quanto para classificação da germinação (acurácia e precisão>90%), que os demais algoritmos, no entanto, ainda necessitam de estudos de pré-processamento de dados. A avaliação da qualidade de sementes pode ser rápida, precisa, não destrutiva e acessível por meio da utilização de espectrômetro portátil e de modelos bem ajustados.
dc.language.isopor
dc.rightsopenAccess
dc.subjectTeor de água
dc.subjectMachine-learning
dc.subjectSementes nativas
dc.subjectFloresta seca
dc.subjectEspectrômetro portátil
dc.subjectVis-NIR
dc.titleEspectrometria e tecnologias de aprendizagem de máquina para auxiliar na conservação de sementes nativas de florestas seca
dc.typeResumo em anais e proceedings
dc.subject.thesagroSemente
dc.subject.thesagroGerminação
dc.subject.nalthesaurusSeeds
dc.description.notesEdição dos Resumos do 22º Congresso Brasileiro de Sementes, Foz do Iguaçu, Set. 2024.
riaa.ainfo.id1172356
riaa.ainfo.lastupdate2025-02-05
dc.contributor.institutionMARIA APARECIDA RODRIGUES FERREIRA, UNIVERSIDADE ESTADUAL DE FEIRA DE SANTANA; RAQUEL ARAUJO GOMES, UNIVERSIDADE ESTADUAL DE FEIRA DE SANTANA; JAMILLE CARDEAL SILVA, UNIVERSIDADE ESTADUAL DE FEIRA DE SANTANA; JAILTON DE JESUS SILVA, UNIVERSIDADE ESTADUAL DE FEIRA DE SANTANA; MARCOS VINICIUS CARVALHO FREITAS, UNIVERSIDADE FEDERAL DO VALE DO SÃO FRANCISCO; SERGIO TONETTO DE FREITAS, CPATSA; BARBARA FRANCA DANTAS, CPATSA.
Aparece en las colecciones:Resumo em anais de congresso (CPATSA)

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
ESPECTROMETRIA-E-TECNOLOGIAS-DE-APRENDIZAGEM-DE-MAQUINA-FLORESTA-SECA.pdf728.51 kBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace