| Registro completo |
| Provedor de dados: |
Engenharia na Agricultura
|
| País: |
Brazil
|
| Título: |
SUPPORT VECTOR MACHINE TO ESTIMATE THE SOYBEAN YIELD
MÁQUINA DE VETORES DE SUPORTE PARA ESTIMAR A PRODUTIVIDADE DA SOJA
|
| Autores: |
Michelon, Gabriela Karoline
de Menezes, Paulo Lopes
Júnior, Arnaldo Cândido
Bazzi, Claudio Leones
Barbosa, Marcela Marques
|
| Data: |
2017-08-07
|
| Ano: |
2017
|
| Palavras-chave: |
Agricultura de Precisão Inteligência Artificial
Nutrientes Foliares
Regressão
|
| Resumo: |
Soybean is one of the major oleaginous, used for food and feed to processed products and also as an alternative source of biofuel. Due to its great uses that is highly valued and cultivated in the world. Therefore, this study sought to apply an artificial intelligence technique to predict soybean yield and therefore maximize production from farmlands, increase the profit of the producer and reduce environmental impacts. There were then used the support vector machine technique, to find a prediction model of soybean yield from the leaf nutrients, allowing therefore that fertilization is carried out only in necessary locations predicted as low productivity points for best support vector machine model obtained. Among all created models, the best prediction of productivity model was able to explain 58% of the actual data with the variables of nitrogen, phosphorus, potassium, calcium and magnesium collected in the V6 stage (second collection held) of soybean leaf. Seeking to use fewer variables and make the practice more accessible, were applied a variable selection technique to get a good model using less input variables for vector support machine, and as result a model that only used the variables of nitrogen, phosphorus and calcium from the second collection of nutrients, was also able to explain 58% of the actual data.
A soja é uma das principais oleaginosas da produção agrícola mundial, sendo muito utilizada para alimentação humana e animal, para produtos industrializados e ainda como fonte alternativa de biocombustível. É por suas grandes utilizações que é muito valorizada e cultivada no mundo. Portanto, este trabalho buscou aplicar uma técnica de inteligência artificial para predizer a produtividade da soja e, consequentemente, maximizar a produção de uma área cultivável, aumentar o lucro do produtor e diminuir impactos ambientais. Utilizou-se, então, a técnica da máquina de suporte de vetores para buscar um modelo de predição da produtividade da soja por meio de dados de macro nutrientes presentes na folha da soja, permitindo assim, que sejam realizadas adubações somente nos locais necessários, preditos como pontos de baixa produtividade pelo melhor modelo de máquina de suporte de vetores obtido. Dentre todos os modelos criados, o melhor modelo de predição da produtividade conseguiu explicar 58% dos dados observados com as variáveis de nitrogênio, fósforo, potássio, cálcio e magnésio. Buscando utilizar menos variáveis para tornar a prática mais acessível ao produtor, aplicou-se um algoritmo que faz a seleção de variáveis de entrada para a máquina de suporte de vetores. Como resultado da utilização de menos variáveis de entrada, obteve-se um modelo que utilizou somente os dados de nitrogênio, fósforo e cálcio, sendo um modelo de predição menos custoso, pois com apenas três variáveis, explicou 58% dos dados observados, assim como o modelo que utilizou todas as variáveis.
|
| Tipo: |
Info:eu-repo/semantics/article
|
| Idioma: |
Português
|
| Identificador: |
http://www.seer.ufv.br/seer/index.php/reveng/article/view/745
|
| Editor: |
Universidade Federal de Viçosa - UFV
|
| Relação: |
http://www.seer.ufv.br/seer/index.php/reveng/article/view/745/489
|
| Formato: |
application/pdf
|
| Fonte: |
ENGENHARIA NA AGRICULTURA / Engineering in Agriculture; v. 25, n. 3 (2017): Maio/Junho; 240-248
2175-6813
1414-3984
|
|
