Automation in accession classification of Brazilian Capsicum germplasm through artificial neural networks

Abstract

A classificação de germoplasma por espécie requer conhecimento específico sobre/da cultura de interesse. Portanto, esforços voltados para a automação desse processo são necessários para a eficiência gestão de coleções. A automatização da classificação de germoplasma por meio de redes neurais artificiais pode ser uma estratégia viável e menos trabalhosa. O objetivo deste estudo foi verificar a potencial de classificação de acessos de Capsicum quanto à espécie com base em descritores e redes neurais artificiais, e estabelecer os mais importantes descritores e a melhor arquitetura de rede para esta finalidade. Foram avaliadas 564 plantas de 47 acessos brasileiros de Capsicum. Redes neurais do tipo perceptron multicamadas foram utilizado para automatizar a identificação das espécies através de 17 descritores morfológicos. Seis arquiteturas de rede foram avaliadas, e o número de neurônios na camada oculta variou de 1 a 6. A importância relativa dos descritores morfológicos no processo de classificação foi estabelecido pelo método de Garson. Cor da corola, cor da mancha da corola, constrição anular do cálice, a forma do fruto na inserção do pedicelo e a cor do fruto no estádio maduro foram os descritores mais importantes. A arquitetura de rede com 6 neurônios na camada oculta é a mais adequada em este estudo. A possibilidade de classificar as plantas de Capsicum em relação à espécie por meio redes neurais com 100% de precisão foi verificada.