DIAGNÓSTICO DE ESTRESSE HÍDRICO EM CULTIVARES MELHORADAS DE FEIJÃO-CAUPI COM USO DE TERMOGRAFIA INFRAVERMELHA E INTELIGÊNCIA ARTIFICIAL

Resumo

A diversidade de cultivares melhoradas de feijão-caupi associada a escassez de água no solo evidencia a necessidade de ferramentas robustas para diagnóstico de estresse hídrico, por exemplo utilizando-se de inteligência artificial. Assim, objetivou-se ajustar modelos agrotecnológicos de diagnóstico de estresse hídrico em plantas de cultivares melhoradas de feijão-caupi a partir do processamento de imagens termográficas por infravermelho utilizando-se de algoritmos de inteligência artificial. Para tanto, foi realizado em campo o cultivo de 5 cultivares melhoradas submetidas a quatro regimes hídricos (100, 75, 50 e 25% da ETc - evapotranspiração da cultura). Foram obtidas 100 imagens termográficas por infravermelho no estádio fenológico (V5), sexto nó do ramo principal com folíolos completamente abertos, as quais foram processadas utilizando-se dos vetorizadores Inceptionv3, SqueezeNet, VGG16 e VGG19. Posteriormente, foram testados os algoritmos de aprendizados de máquina, como k-vizinhos mais próximos, arvore de decisão, floresta aleatória, aumento de gradiente, máquina de vetores de suporte e rede neural. Com as informações obtidas, pôde-se concluir que o algoritmo de aprendizado de máquina Rede Neural Artificial obteve os melhores indicadores de desempenho para identificação de feijão-caupi a partir do processamento das imagens digitais de sementes.