Por favor, use este identificador para citar o enlazar este ítem:
http://www.alice.cnptia.embrapa.br/alice/handle/doc/1187673Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.author | ALVES, J. da S. | |
| dc.date.accessioned | 2026-06-22T14:48:44Z | - |
| dc.date.available | 2026-06-22T14:48:44Z | - |
| dc.date.created | 2026-06-18 | |
| dc.date.issued | 2026 | |
| dc.identifier.citation | 2026. | |
| dc.identifier.uri | http://www.alice.cnptia.embrapa.br/alice/handle/doc/1187673 | - |
| dc.description | A manga é um fruto altamente perecível e particularmente suscetível a patologias póscolheita, como a antracnose e os distúrbios fisiológicos, que representam importantes obstáculos à produção e à comercialização, resultando em elevadas perdas econômicas. Uma característica comum a essas condições é o fato de os sintomas se manifestarem apenas após a colheita, durante o amadurecimento dos frutos, o que dificulta a detecção precoce e o manejo adequado. Nesse contexto, este estudo teve como objetivo desenvolver metodologias não destrutivas baseadas em espectroscopia Vis-NIR associada a algoritmos de aprendizado de máquina para a detecção e a predição de distúrbios fisiológicos e antracnose em mangas. No primeiro experimento, foi desenvolvida uma abordagem para a detecção não destrutiva de distúrbios fisiológicos internos (corte negro, tecido esponjoso, semente gelatinosa e nariz mole) utilizando espectros Vis-NIR de frutos intactos de três cultivares. Os espectros foram adquiridos na colheita e após o armazenamento, e a incidência dos distúrbios foi confirmada por avaliação visual após o corte longitudinal dos frutos. Modelos baseados em diferentes algoritmos de aprendizado de máquina (J48, Random Forest, Multilayer Perceptron, SMO e LibSVM) foram avaliados por validação cruzada. A discriminação entre frutos saudáveis e frutos com distúrbios foi alcançada com acurácia variando de 72,3% a 97,0% para espectros coletados na colheita e de 63,7% a 96,2% para espectros coletados após o amadurecimento. Para os espectros coletados na colheita, os melhores resultados foram obtidos com RF e MLP para corte negro, J48 para tecido esponjoso e LibSVM para nariz mole e semente gelatinosa. Para os espectros de frutos armazenados, o melhor desempenho foi observado com SMO para semente gelatinosa e tecido esponjoso, e com RF para nariz mole e corte negro. No segundo experimento, a espectroscopia Vis-NIR foi aplicada para a detecção da antracnose em estágio de infecção latente e para a quantificação da severidade dos sintomas em mangas ‘Palmer’. Os frutos foram inoculados com uma suspensão de conídios de Colletotrichum sp. (1 × 10⁶ conídios mL⁻¹), e os espectros (330–1100 nm) foram adquiridos diariamente durante cinco dias consecutivos. Modelos de classificação foram desenvolvidos para discriminar frutos sadios de frutos inoculados, porém assintomáticos, e modelos de regressão foram ajustados para a predição do tamanho da lesão em frutos sintomáticos, utilizando a faixa espectral de 420–1050 nm. Oito algoritmos de classificação e cinco de regressão foram avaliados, com destaque para Random Forest, que apresentou o melhor desempenho, alcançando 93,8% de acurácia no treinamento e 88,2% no teste para a detecção de frutos assintomáticos, além de coeficientes de determinação (R²) superiores a 0,7 na predição da severidade da doença. De forma geral, os resultados demonstram que a espectroscopia Vis-NIR associada ao aprendizado de máquina é uma ferramenta promissora para a detecção precoce e não destrutiva de distúrbios fisiológicos e antracnose em mangas, contribuindo para o monitoramento da qualidade dos frutos e para a redução de perdas na cadeia produtiva. | |
| dc.format | il. | |
| dc.language.iso | por | |
| dc.rights | openAccess | |
| dc.subject | Desordens Fisiológicas | |
| dc.subject | Espectroscopia | |
| dc.subject | Mangicultura | |
| dc.title | Predição e detecção de Desordens Fisiológicas e Antracnose em mangas usando Espectroscopia do Visível ao Infravermelho próximo (VIS-NIR) e aprendizado de máquinas. | |
| dc.type | Teses | |
| dc.subject.thesagro | Manga | |
| dc.subject.thesagro | Controle de Qualidade | |
| dc.subject.thesagro | Pós-Colheita | |
| dc.subject.thesagro | Doença | |
| dc.subject.thesagro | Antracnose | |
| dc.subject.nalthesaurus | Colletotrichum | |
| dc.description.notes | Tese (Doutorado em Biotecnologia) - Universidade Federal de Pernambuco, Centrode Biociência. Recife. Orientada por Ederson Akio Kido; co-orientada por Sérgio Tonetto de Freitas, Embrapa Semiárido. | |
| dc.format.extent2 | 89 f. | |
| riaa.ainfo.id | 1187673 | |
| riaa.ainfo.lastupdate | 2026-06-22 | |
| dc.contributor.institution | JASCIANE DA SILVA ALVES, UNIVERSIDADE FEDERAL DE PERNAMBUCO. | |
| Aparece en las colecciones: | Tese/dissertação (CPATSA)  | |
Ficheros en este ítem:
