Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/991078
Unidade da Embrapa/Coleção:: Embrapa Informática Agropecuária - Artigo em periódico indexado (ALICE)
Data do documento: 22-Jul-2014
Tipo do Material: Artigo em periódico indexado (ALICE)
Autoria: DI GIROLAMO NETO, C.
RODRIGUES, L. H. A.
MEIRA, C. A. A.
Informaçães Adicionais: CESARE DI GIROLAMO NETO, Feagri/Unicamp; LUIZ HENRIQUE ANTUNES RODRIGUES, Feagri/Unicamp; CARLOS ALBERTO ALVES MEIRA, CNPTIA.
Título: Modelos de predição da ferrugem do cafeeiro (Hemileia vastatrix Berkeley & Broome) por técnicas de mineração de dados.
Edição: 2014
Fonte/Imprenta: Coffee Science, Lavras, v. 9, n. 3, p. 408-418, jul./set. 2014.
Idioma: pt_BR
Palavras-chave: Ferrugem do cafeeiro
Alerta de doenças
Florestas aleatórias
Máquinas de vetores suporte
Redes neurais artificiais
Árvores de decisão
Decision tree
Conteúdo: RESUMO: A ferrugem é a principal doença do cafeeiro, podendo gerar perdas significativas na produção, caso medidas de controle não sejam adotadas. Modelos de alerta de doenças agrícolas são capazes de gerar informações para aplicações de defensivos somente quando necessário, reduzindo gastos por parte do produtor e impactos ambientais. Objetivou-se, neste trabalho, desenvolver, comparar e selecionar modelos de alerta baseados em técnicas de mineração de dados para a predição da ferrugem do cafeeiro, em anos de alta e baixa carga pendente de frutos. Foram utilizados dados obtidos em lavouras de café em produção, ao longo de 13 anos (1998-2011). Vinte e três atributos foram considerados como variáveis independentes (preditoras) e, como variável dependente, a taxa de progresso mensal da ferrugem do cafeeiro, obtida a partir de dados de incidência da doença. Os atributos mais importantes do conjunto de dados foram filtrados por métodos de seleção de atributos e a modelagem foi realizada por meio de quatro técnicas de mineração de dados: máquinas de vetores suporte, redes neurais artificiais, árvores de decisão e florestas aleatórias. Para anos de alta e baixa carga pendente de frutos, as melhores taxas de acerto foram 85,3% e 88,9%, respectivamente. Outras medidas de desempenho como sensitividade e especificidade também apresentaram valores altos e equilibrados. Os modelos desenvolvidos neste trabalho fornecem melhores subsídios para o monitoramento da doença, em anos de alta carga pendente de frutos do que outros modelos existentes, além de prover uma possibilidade de monitoramento, em anos de baixa carga pendente de frutos.
NAL Thesaurus: Neural networks
Ano de Publicação: 2014
Aparece nas coleções:Artigo em periódico indexado (CNPTIA)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
68742651PB.pdf1,15 MBAdobe PDFThumbnail
Visualizar/Abrir

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace