Tratamentos pré-germinativos, volume de tubetes e redes neurais artificiais na propagação de saboneteira

Pesquisas que relacionam a propagação de plantas e o uso de inteligência artificial permitem melhor planejamento de técnicas silviculturais e aspectos logísticos em viveiros florestais. O objetivo do presente trabalho foi avaliar o efeito de diferentes volumes de tubetes e de pré-tratamentos na germinação e crescimento de Sapindus saponaria, além da possibilidade de aplicação de redes neurais artificiais (RNA) na estimativa da biomassa de mudas. Adotou-se delineamento inteiramente casualizado no esquema fatorial 3 × 2, sendo estudado três volumes de tubetes e dois tratamentos pré-germinativos. Realizaram-se análise de variância, teste Tukey e modelagem por RNA. Os tubetes de 53 cm3 foram os mais operacionalmente apropriados para a produção de mudas até os 250 dias de idade. A escarificação mecânica favoreceu a velocidade de germinação (IVG = 1,47), embora tenha apresentado estatisticamente o mesmo percentual de sementes germinadas da testemunha na contagem final. A rede de múltiplas camadas (MLP) forneceu as estimativas mais precisas da massa seca de parte aérea, com perda de qualidade preditiva para o componente radicular. Conclui-se que a escarificação de sementes com esmeril elétrico e tubetes de 53 cm3 podem ser recomendados para maximizar a homogeneidade, velocidade da germinação e produção de mudas da espécie. A arquitetura MLP de RNA pode ser recomendada para estimar de forma simultânea as massas secas de parte aérea e do sistema radicular de mudas de S. saponaria.Palavras-chave: Germinação. Inteligência artificial. Mudas. Sementes. Pre-germinative treatments, tubes volume and artificial neural networks in soap propagationAbstractResearches relating plant propagation and use of artificial intelligence allow for better planning of silvicultural techniques and logistical aspects in forest nurseries. This work aimed to evaluate the effect of different tubes volumes and pre-treatments on the germination and growth of Sapindus. saponaria, in addition to the possibility of applying artificial neural networks (ANN) to estimate seedlings biomass. Completely randomized design in a 3 × 2 factorial scheme was adopted, being studied three tubes volumes and two pre-germinative treatments. Analysis of variance, Tukey test and RNA modeling were performed. The 53 cm3 tubes were the most operationally appropriate for the production of seedlings up to 250 days of age.  Mechanical scarification favored germination speed (IVG = 1.47), although it presented statistically the same percentage of germinated seeds as the control in the final count. Multilayer network (MLP) provided the most accurate estimates of shoot dry mass, with loss of predictive quality of the root component. It is concluded that seed scarification with electric grinding and 53 cm3 tubes can be recommended to maximize the homogeneity, germination speed and seedling production of the species. RNA MLP architecture can be recommended to simultaneously estimate the dry masses of aerial part and root system of S. saponaria seedlings. Keywords: Germination. Artificial intelligences. Seedlings. Seeds.