Increased efficiency of selection for leaf area in kale using artificial neural networks

Research AZEVEDO, AM; ANDRADE JÚNIOR, VC; SOUSA JÚNIOR, AS; SANTOS, AA; CRUZ, CD; PEREIRA, SL; OLIVEIRA, AJM. 2017. Eficiência da estimação da área foliar de couve por meio de redes neurais artificiais. Horticultura Brasileira 35: 014-019. DOI - http://dx.doi.org/10.1590/S0102-053620170103 Eficiência da estimação da área foliar de couve por meio de redes neurais artificiais Alcinei M Azevedo1; Valter C Andrade Júnior2; Aderbal S Sousa Júnior2; Albertir A Santos2; Cosme D Cruz1; Samuel L Pereira2; Altino JM Oliveira2 Universidade Federal de Viçosa (UFV), Viçosa-MG, Brasil; ; ; 2Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM), Diamantina-MG, Brasil; ; ; albert. ; ; 1 RESUMO ABSTRACT A estimativa da área foliar na couve é importante, pois medidas diretas são difíceis e imprecisas, devido ao tamanho da folha, a irregularidade da superfície foliar de alguns genótipos, a necessidade de equipamentos caros e de muita mão-de-obra. Objetivou-se verificar a eficiência da estimação da área foliar de couve por meio de RNAs e constatar a eficiência desta estratégia em comparação com o uso da área foliar observada. O experimento foi conduzido em delineamento de blocos casualizados com três repetições, 22 acessos e quatro plantas por parcela. Desenvolveram-se perceptrons de multicamadas utilizando 50 folhas por acesso, destinando-se 70% para treinamento, 15% para a validação cruzada (early-stop) e 15% para teste. Foram testadas 39 configurações de rede perceptron de multicamadas. As RNAs foram eficientes para estimar a área foliar da couve a partir do comprimento e largura do limbo foliar. A área foliar estimada pela RNA é indicada para a seleção de plantas por ser de fácil obtenção, ser um método não destrutivo, apresentar alta correlação fenotípica e genética com a área foliar observada e maior herdabilidade. Increased efficiency of selection for leaf area in kale using artificial neural networks Palavras-chave: Brassica oleracea var. acephala, perceptron de multicamadas, seleção indireta, inteligência computacional. Keywords: Brassica oleracea var. acephala, multilayer perceptron, indirect selection, genetic parameters. The estimation of leaf area in kale is important because direct measurements are difficult and inaccurate, due to the leaf size, the irregularity of the leaf surface of some genotypes, the need for expensive equipment and intensive labor. The objective was to verify the efficiency of artificial neural networks to estimate the leaf area and verify the efficiency of the use of the estimated area in the selection process compared with the observed area. The experiment was conducted in a randomized block design with three replications, 22 accesses and four plants per plot. Multilayer perceptrons were developed using 50 leaves per access, 70% designed for training, 15% for cross-validation (early-stop) and 15% for testing. 39 perceptron multilayer network settings were tested. The RNAs were efficient to estimate leaf area from the length and width of the leaf blade. The leaf area estimated by the RNA is indicated for the selection of plants due to its easily access and due to be a non-destructive method, having high phenotypic and genetic correlation with leaf area observed and higher heritability. (Recebido para publicação em 20 de fevereiro de 2015; aceito em 16 de março de 2016) (Received on February 20, 2015; accepted on March 16, 2016) A área foliar é um dos principais parâmetros do crescimento vegetal, pois está relacionada com diversos processos fisiológicos da planta, tais como fotossíntese, respiração e transpiração (Silva et al., 2008; Ghoreishi et al., 2012). Esta característica ganha maior importância para culturas como a couve (Brassica oleracea var. acephala) cujas folhas são de interesse comercial. A área foliar é frequentemente determinada utilizando scanners de mesa ou portátil. Além destes equipamentos 14 serem caros, ser um método destrutivo e demandar muito tempo e mão-de-obra, não são muito adequados para folhas grandes (Ahmadian, 2012) como as encontradas em couve. Outra grande dificuldade para a mensuração da área foliar em couve por este método é que alguns genótipos possuem folhas de superfície bastante engruvinhada. A consequência desta irregularidade na superfície foliar é que sua área pode ser superestimada ou subestimada, o que pode levar à menor eficiência no processo de seleção de genótipos superiores. Uma alternativa para a obtenção da área foliar é sua estimação por meio de medidas geométricas como o comprimento e largura do limbo (Odabas et al., 2013). A vantagem deste método é que a mensuração da largura e comprimento pode ser feito com alta precisão em folhas de couve, sendo um método barato, rápido, menos laborioso e não destrutivo. O comprimento e largura do limbo foliar tem sido utilizados para a estimação da área foliar em diverHortic. bras., v35, n.1, Jan. - Mar. 2017 Eficiência da estimação da área foliar de couve por meio de redes neurais artificiais sas hortaliças como tomate e pepino (Blanco & Folegatti, 2003; Cho et al., 2007) , brócolis (Stoppani et al., 2003), morango (Demirsoy et al., 2005), abobrinha (Rouphael et al., 2006), rabanete (Salerno et al., 2005) e pimenta (De Swart et al., 2004; Ahmadian, 2012). A área foliar pode ser estimada a partir do comprimento e largura do limbo foliar por modelos matemáticos utilizando abordagem linear ou não-linear (Rouphael et al., 2006, Silva et al., 2008). Alternativamente, pode-se recorrer à técnica de redes neurais artificiais (RNAs). As RNAs têm demonstrado grande habilidade para resolver sistemas não lineares complexos. Esta técnica apresenta a vantagem de ser não-paramétrica, tolerar a perda de dados, e não necessitar informações detalhadas sobre o sistema a ser modelado (Silva et al., 2014). Desta forma, objetivou-se verificar a eficiência da estimação da área foliar da couve por meio de RNAs e constatar a eficiência desta estratégia em comparação com o uso da área foliar observada. MATERIAL E MÉTODOS O experimento foi conduzido no Setor de Olericultura, localizado no campus JK da UFVJM, Diamantina-MG (18º12’01’’S; 43º34’20’’O, altitude 1387 m). O solo é classificado como Neossolo Quartzarênico Órtico típico (Embrapa, 2006). No período de condução do experimento, a temperatura média foi de 17,4ºC com umidade relativa do ar de 72,1%, havendo poucas oscilações no decorrer deste período. Foram avaliadas três cultivares comerciais e dezenove acessos de couve do banco de germoplasma da UFVJM utilizando-se o delineamento em blocos casualizados com três repetições e quatro plantas por parcela, sendo doze acessos oriundos de coletas em propriedades rurais na região de Diamantina-MG (UFVJM-3, UFVJM-7, UFVJM-8, UFVJM-10, UFVJM-13, UFVJM-19, UFVJM-21, UFVJM-24, UFVJM-26, UFVJM-32, UFVJM-34 e UFVJM-36) e sete acessos doados pela Universidade Federal de Lavras (UFLA-1, UFLA-3, UFLA-5, UFLA-6, UFLA-8, UFLA-11 Hortic. bras., v35, n.1, Jan. - Mar. 2017 e (...truncated)