| Journal: | Acta scientiarum. Agronomy |
| Database: | PERIÓDICA |
| System number: | 000460179 |
| ISSN: | 1679-9275 |
| Authors: | Alves, Guiliano Rangel1 Teixeira, Itamar Rosa1 Melo, Francisco Ramos1 Souza, Raniele Tadeu Guimarães1 Silva, Alessandro Guerra2 |
| Institutions: | 1Universidade Estadual de Goias, Departamento de Engenharia Agricola, Anapolis, Goias. Brasil 2Universidade de Rio Verde, Departamento de Agronomia, Rio Verde, Goias. Brasil |
| Year: | 2018 |
| Volumen: | 40 |
| Country: | Brasil |
| Language: | Inglés |
| Document type: | Artículo |
| Approach: | Experimental, analítico |
| English abstract | . The complexity of the statistical models used to estimate the productivity of many crops, including soybeans, restricts the use of this practice, but an alternative is the use of artificial neural networks (ANNs). This study aimed to estimate soybean productivity based on growth habit, sowing density and agronomic characteristics using an ANN multilayer perceptron (MLP). Agronomic data from experiments conducted during the 2013/2014 soybean harvest in Anápolis, Goiás State, B razil, were used to conduct this study after being normalized to an ANN-compatible range. Then, several ANNs were trained to choose the best-performing one. After training the network, a performance analysis was conducted to select the ANN with a performance most appropriate for the problem, and the selected network had a 98% success rate with training data and a 72% data validation accuracy. The application of the MLP to the data used in the experiment shows that it is possible to estimate soybean productivity based on agronomic characteristics, growth habit and population density through AI |
| Portuguese abstract | Para estimar a produtividade de muitas culturas, incluído a soja, são utilizados modelos estatísticos complexos, que torna restrito o acesso a essa prática. Uma alternativa a estes modelos é a utilização de sistemas computacionais empregando Redes Neurais Artificiais (RNA). Este trabalho teve por objetivo estimar a produtividade da soja baseada nos hábitos de crescimento, densidade de semeadura e características agronômicas usando RNA do tipo Multilayer Perceptron (MLP). Para isto foram utilizados dados agronômicos da cultura da soja obtidos em experimento conduzido na safra 2013/2014 em Anápolis, Estado de Goiás, Brasil, cujos dados foram normalizados em intervalo compatível para trabalho com RNA e em seguida feito o treinamento de várias RNAs para a escolha da RNA com melhor performance. Após o treinamento das redes, foi realizada a análise de performance para seleção da RNA com a performance mais adequada ao problema. A RNA selecionada apresentou um índice de acerto de 98% com os dados do treinamento e um acerto de 72% com dados de validação. A aplicação das RNAs do tipo MLP nos dados do experimento conduzido demonstram que é possível estimar a produtividade da soja baseando-se nas características agronômicas, hábito de crescimento e densidade populacional por meio da IA |
| Disciplines: | Agrociencias, Ciencias de la computación |
| Keyword: | Leguminosas, Inteligencia artificial, Soya, Glycine max, Rendimiento, Redes neuronales artificiales |
| Keyword: | Legumes, Artificial intelligence, Soybean, Glycine max, Yield |
| Full text: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
