PREDIÇÃO NÃO DESTRUTIVA DA ÁREA FOLIAR DE ESPÉCIES AGRÍCOLAS E FLORESTAIS POR INTELIGÊNCIA ARTIFICIAL E REGRESSÃO

Descrição

A estimativa da área foliar por método não destrutivo é fundamental para avaliações sucessivas na mesma planta com precisão e rapidez, não necessitando de equipamentos de alto custo. Assim, o objetivo desta proposta é construir métodos não destrutivos por meio de medidas lineares das folhas usando tecnologias baseadas em inteligência artificial (AI) e análise de regressão, com todas as etapas computacionais realizadas exclusivamente em Python. Serão coletadas folhas/folíolos de experimentos realizados em campo e em casa de vegetação. Em seguida, serão quantificados o comprimento (C) e a largura da folha (L) e a área foliar real (A F). Os algoritmos de inteligência artificial testados serão redes neurais artificiais (ANNs), support vector regression (SVR), adaptive neuro fuzzy inference system (ANFIS) e random forest (RF). Os modelos de regressão utilizados serão linear, linear sem i ntercepto, potência e exponencial. Os critérios para escolha dos melhores métodos serão: maiores coeficientes de determinação (R ²), e menores raiz do erro quadrático médio relativo (RRMSE), erro absoluto da média (MAE), erro percentual médio absoluto (MAPE ) e erro médio por viés (MBE). Após a seleção do melhor modelo, será proposta uma interface de uso desenvolvida em Python para permitir a inserção das dimensões foliares e a estimativa automática da área foliar. Espera se propor métodos não destrutivos par a predição da área foliar de espécies agrícolas e florestais baseados em algoritmos de inteligência artificial e modelos de regressão.