English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Tools annual

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Presents the access of premium content as premium feature

Premium Content

Global: Zendy Plus annual

Global: Zendy Free Plan

The use of Artificial Intelligence techniques has stood out in solving several types of problems. Based on this, a study was carried out aiming to use the neural network Radial Basis Function (RBF) as a support tool in the prediagnosis of wilted phytophorous disease in a pepper garden. The methodology was implemented using a database, with emphasis on training and testing to classify the samples used. 10 training sessions were carried out with normalized and balanced data, the cross validation (k-fold) was used. The results were analyzed statistically, obtaining an average rate of 93.37 % of correct answers. Resumo. A utilização de técnicas de Inteligência Artificial tem-se destacado na resolução de diversos tipos de problemáticas. Com base nisso, foi realizado um estudo objetivando utilizar a rede neural Radial Basis Function (RBF) como ferramenta de apoio no pré-diagnóstico da doença murcha de fitóftora em uma horta de pimentões. A metodologia foi implementada utilizando-se de uma base de dados, com ênfase no treinamento e teste para classificação das amostras utilizadas. Foram feitos 10 treinamentos com os dados normalizados e balanceados, foi utilizada a validação cruzada (k-fold). Os resultados foram analisados estatisticamente obtendo-se uma taxa média de 93,3% de acertos. 1. Introdução O pimentão é uma das dez hortaliças de maior importância no Brasil. No Ceará, especificamente, seu valor deve-se não somente em razão da forte participação na culinária doméstica e empresarial, como também ao aspecto social que assume [Viana et al. 2007], no entanto, devido a doenças e pragas que afetam o plantio do fruto as mesmas geram impactantes danos na produção de pequenos e grandes agricultores. O patógeno afeta primeiramente o sistema radicular e o colo da planta, podendo também atacar a parte aérea. A Phytophthora capsici Leonian (PCL) é um patógeno polı́fago, amplamente distribuı́do nos solos cultivados do Brasil e de muitos outros paı́ses, sendo de difı́cil controle considerada uma das doenças fúngicas mais importantes para a cultura do pimentão [Lopes and de Ávila 2005]. Nesses termos, faz-se necessário a utilização de técnicas computacionais que auxiliem no diagnóstico da doença. Tendo como parâmetros atributos como: necrose de folhas, manchas bronzeadas circulares, mofo branco e escurecimento do caule, entre outros auxiliam no diagnóstico precoce da doença em plantas do gênero. Esse trabalho tem como principal objetivo realizar um estudo utilizando o algoritmo da rede neural RBF(Radial Basis Function) que estão disponı́veis no aplicativo Waikato Environment for Knowledge Analysis (WEKA), com o objetivando auxiliar no diagnóstico da murcha de fitóftora. O estudo foi realizado a partir de um banco de dados construı́do com 127 amostras com 6 atributos. A motivação do trabalho em questão deve-se a necessidade do aprimoramento de técnicas que garantam a identificação precoce do patógeno de forma que se possa tomar medidas que visem o manejo e controle da doença de modo a reduzir perdas na produção. 2. Trabalhos Relacionados Esta seção traz resumos sobre diferentes abordagens do uso da Inteligência Artificial aplicada como ferramenta de auxı́lio no diagnóstico de doenças com plantas. [Castro 2012] construiu um modelo completo em nı́vel de árvore individual para fragmento de Floresta Semidecidual Montana utilizando redes neurais artificiais (RNA). Os dados foram provenientes de dez parcelas permanentes em um fragmento florestal de 17 hectares no municı́pio de Viçosa MG em estágio médio de sucessão ecológica monitoradas durante 14 anos. [Galvão et al. 2018] utilizou técnicas de visão computacional, aprendizado de máquina através de redes neurais e reconhecimento de padrões para desenvolver um algoritmo capaz de identificar plantas que contenham as doenças cancerı́genas, cercosporiose e a ferrugem. Tinha como intuito partir deste diagnóstico fornecido pelo algoritmo, para possibilitar o agricultor tomar as medidas necessárias para tratamento de sua plantação evitando prejuı́zos futuros. [de Sousa et al. 2019] realizou um estudo por meio da implementação da rede neural RBF (Radial Basis Function), objetivando usá-la como ferramenta de apoio no diagnóstico da doença HLB (Huanglongbing) em um pomar de tangerinas poncã. A metodologia foi implementada com base em 29 amostras e 8 atributos de uma base de dados construı́da, com ênfase no treinamento e teste para classificação das amostras utilizadas. Foram feitos 10 treinamentos com os dados balanceados e normalizados utilizando validação cruzada (leave-onte-out). [Ferreira et al. 2019] discutiram o uso da lógica fuzzy como mecanismo auxiliar na análise do tomateiro para detectar se o mesmo é portador ou poderá desenvolver a doença murcha de fusariun. A metodologia baseou-se em pesquisas bibliográficas e em dados coletados em uma propriedade rural do interior do estado do Ceará. Os resultados demonstraram que o sistema fuzzy é bastante útil para o auxı́lio na detecção da doença evidenciando a importância da lógica nebulosa para diagnósticos em plantas. 3. Redes Neurais Artificiais As Redes Neurais Artificiais (RNAs) são baseadas no funcionamento do cérebro humano e sua capacidade de aprendizagem. O processo de aprendizagem é realizado através de algoritmos de treinamento que ajustam os parâmetros livres da rede de forma a alcançar uma determinada resposta desejada. O primeiro modelo de neurônio artificial foi introduzido por McCulloch e Pitts em 1943 [Reis 2014]. Segundo [Fanucchi et al. 2013] existem diversas topologias de RNAs de forma a possibilitar a resolução de diversos tipos de problemas, tais como: Aproximação de funções, classificação de padrões, controle de processos, entre outros. 3.1. Radial Basis Function (RBF) As redes do tipo Radial Basis Function (RBF) possuem apenas uma camada escondida e uma camada de saı́da. Possui também uma arquitetura do tipo forward, sendo que o sinal é propagado da entrada para a camada intermediária, que possui uma função de ativação do tipo gaussiana, e desta para a camada de saı́da, com uma função de ativação do tipo linear [Fanucchi et al. 2013]. A Figura 2 ilustra a estrutura básica de uma rede RBF Figura 1. Arquitetura da Rede Neural RBF 4. O Patógeno Phytophthora Capsici Leonian (PCL) A murcha de fitóftora ocorreu pela primeira vez no Brasil na região de Ribeirão Preto, São Paulo, em 1951. Causada pelo fungo PCL, tem sido uma das doenças mais destrutivas da cultura do pimentão desde então [Santos 2001].

Utilizando a Rede Neural RBF Como Mecanismo Auxiliador no Diagnóstico da Doença da Murcha Fitóftora em Pimentões