Genética e Melhoramento
URI permanente para esta coleçãohttps://locus.ufv.br/handle/123456789/177
Navegar
2 resultados
Resultados da Pesquisa
Item Aplicativos computacionais para o melhoramento genético fundamentados em análise de imagens e inteligência computacional(Universidade Federal de Viçosa, 2018-10-19) Carneiro, Vinícius Quintão; Cruz, Cosme Damião; http://lattes.cnpq.br/7418046043420782O melhoramento vegetal visa desenvolver cultivares altamente produtivas de alta qualidade física e nutricional. Cumprir esse objetivo não é processo simples, uma vez que é necessário reunir, no mesmo genótipo, elevado número de genes favoráveis para uma série de características de interesse, principalmente se considerar que o controle genético desses caracteres apresenta natureza poligênica. Portanto, para tornar o desenvolvimento de novas cultivares mais eficiente é necessário utilizar ferramentas tanto a nível de campo, laboratório e de análise de dados cada vez mais eficientes. Certas áreas tem ganhado elevado destaque no melhoramento genético como a inteligência artificial e a fenômica. A associação dos conhecimentos em fenômica e inteligência artificial podem auxiliar na solução dos principais desafios do melhoramento genético como a influência da interação genótipos por ambientes. Softwares são imprescindíveis para auxiliar nas análises por meio dessas abordagens. Portanto, o objetivo deste trabalho é disponibilizar softwares gratuitos e aplicações em inteligência artificial e fenômica com ênfase em redes neurais artificiais, lógica fuzzy e processamento digital de imagens. Com esse intuito foram desenvolvidos os softwares FENOM e BioFuzzy por meio do software Matlab em integração à linguagem Java. O software FENOM é subdividido em duas áreas de procedimentos: processamento digital de imagens e classificação por meio de redes neurais artificiais. Para processamento de imagens estão disponíveis procedimentos de aquisição, pré-processamento, segmentação e extração de características. Nos procedimentos de classificação estão disponíveis análises por redes neurais artificiais com arquitetura perceptron multicamadas. Já o software BioFuzzy disponibiliza procedimentos de sistemas de decisão fuzzy e de agrupamento fuzzy para auxiliar na recomendação de cultivares. Essas aplicações constituem em importante contribuição para o melhoramento vegetal, principalmente por visar a difusão de tecnologias como inteligência artificial, redes neurais artificiais, sistemas de tomada de decisão fuzzy e fenômica.Item Rede neural e lógica fuzzy aplicadas no melhoramento do feijoeiro(Universidade Federal de Viçosa, 2015-07-17) Carneiro, Vinícius Quintão; Cruz, Cosme Damião; http://lattes.cnpq.br/7418046043420782Os programas de melhoramento vegetal atualmente utilizam-se de análises estatísticas para auxiliar na identificação de genótipos superiores em diversas etapas do desenvolvimento de um cultivar. Diferentemente dessas análises que são baseadas no paradigma estocástico, a abordagem da inteligência computacional tem sido pouco explorada na área do melhoramento genético. Assim, esse trabalho foi realizado com o objetivo de apresentar técnicas de inteligência computacional como ferramentas auxiliares no melhoramento do feijoeiro. Para demonstrar a aplicabilidade dessa abordagem, foram desenvolvidos dois estudos utilizando dados de avaliação de linhagens de feijão oriundas do Programa Feijão da Universidade Federal de Viçosa. Em um primeiro trabalho o objetivo foi avaliar o potencial das redes neurais artificiais como ferramenta auxiliar no melhoramento da arquitetura de plantas do feijoeiro. Com o intuito de classificar linhagens quanto ao porte, as redes neurais artificiais foram treinadas com dados de repetição de 19 linhagens de feijoeiro avaliadas nas safras de inverno de 2007 e de 2009, quanto a arquitetura de plantas, diâmetro do hipocótilo e altura de plantas. As redes neurais artificias apresentaram elevada capacidade de classificação correta das linhagens avaliadas, de forma que quando utilizado diâmetro do hipocótilo em conjunto com altura média de plantas, as redes neurais artificiais apresentaram melhores resultados do que utilizando somente o diâmetro do hipocótilo. Também observou-se que submeter dados de médias de novas linhagens às redes neurais treinadas com dados de repetição, provê melhores resultados de classificação das linhagens. Em um segundo trabalho o objetivo foi aplicar a Lógica Fuzzy, por meio de controladores, como ferramenta auxiliar na avaliação do comportamento de linhagens de feijão em diferentes ambientes. Para avaliar a aplicabilidade desses controladores foram utilizados dados de produtividade de grãos de 23 linhagens e duas testemunhas de feijão do grupo comercial vermelho, avaliados em nove ambientes da Zona da Mata de Minas Gerais. A partir dos parâmetros da análise de Eberhart e Russell foram desenvolvidos controladores fuzzy com sistemas de inferência Mamdani e Sugeno. Além destes, foi desenvolvido um controlador híbrido do tipo Sugeno baseado nos métodos de Eberhart e Russell e de Lin e Binns modificado. Foram realizadas análises de adaptabilidade e estabilidade pelos métodos de Eberhart e Russell e de Linn e Binns modificado e os respectivos parâmetros e medidas obtidos por meio dessas análises para cada linhagem foram submetidos aos respectivos controladores. Verificou-se que os controladores fuzzy podem ser aplicados para determinar o comportamento das linhagens, sendo o controlar híbrido o mais informativo a respeito da resposta das linhagens frente às variações ambientais. Dentre os sistemas de inferência utilizados, ambos sistemas apresentaram resultados consistentes. Uma vez que os controladores foram desenvolvidos de forma generalizada eles podem ser aplicados na determinação do comportamento de genótipos e na recomendação de cultivares de diferentes culturas agronômicas. Ao observar os resultados obtidos em ambos os trabalhos verificou-se que as técnicas de inteligência computacional apresentam grande potencial para serem empregadas nas diferentes etapas de um programa de melhoramento.