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

Página do item simplificado
dc.creatorMariane Gonçalves Ferreira
dc.creatorCarlos Nick
dc.creatorAlcinei Mistico Azevedo
dc.creatorLuhan Isaac Siman
dc.creatorGustavo Henrique da Silva
dc.creatorClebson Dos Santos Carneiro
dc.creatorFlávia Maria Alves
dc.creatorFábio Teixeira Delazari
dc.creatorDerly José Henriques da Silva
dc.date.accessioned2022-03-22T14:40:11Z
dc.date.accessioned2025-09-09T00:27:13Z
dc.date.available2022-03-22T14:40:11Z
dc.date.issued2017
dc.description.abstractA 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.
dc.description.sponsorshipCNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico
dc.description.sponsorshipFAPEMIG - Fundação de Amparo à Pesquisa do Estado de Minas Gerais
dc.description.sponsorshipCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
dc.identifier.doihttps://doi.org/10.1590/1678-992X-2015-0451
dc.identifier.issn1678992X
dc.identifier.urihttps://hdl.handle.net/1843/40301
dc.languageeng
dc.publisherUniversidade Federal de Minas Gerais
dc.relation.ispartofScientia Agricola
dc.rightsAcesso Aberto
dc.subjectPimentão
dc.subjectTaxonomia vegetal
dc.subjectBancos de genes de plantas
dc.titleAutomation in accession classification of Brazilian Capsicum germplasm through artificial neural networks
dc.title.alternativeAutomação na classificação de acesso de germoplasma de Brazilian Capsicum por meio de redes neurais artificiais
dc.typeArtigo de periódico
local.citation.epage207
local.citation.issue3
local.citation.spage203
local.citation.volume74
local.description.resumoGermplasm classification by species requires specific knowledge on/of the culture of interest. Therefore, efforts aimed at automation of this process are necessary for the efficient management of collections. Automation of germplasm classification through artificial neural net works may be a viable and less laborious strategy. The aims of this study were to verify the classification potential of Capsicum accessions regarding/ the species based on morphological descriptors and artificial neural networks, and to establish the most important descriptors and the best network architecture for this purpose. Five hundred and sixty-four plants from 47 Brazilian Capsicum accessions were evaluated. Neural networks of multilayer perceptron type were used in order to automate the species identification through 17 morphological descriptors. Six network architectures were evaluated, and the number of neurons in the hidden layer ranged from 1 to 6. The relative importance of morphological descriptors in the classification process was established by Garson’s method. Corolla color, corolla spot color, calyx annular constriction, fruit shape at pedicel attachment, and fruit color at mature stage were the most important de scriptors. The network architecture with 6 neurons in the hidden layer is the most appropriate in this study. The possibility of classifying Capsicum plants regarding/ the species through artificial neural networks with 100 % accuracy was verified.
local.identifier.orcidhttps://orcid.org/0000-0001-5196-0851
local.publisher.countryBrasil
local.publisher.departmentICA - INSTITUTO DE CIÊNCIAS AGRÁRIAS
local.publisher.initialsUFMG
local.url.externahttps://www.scielo.br/j/sa/a/ndMW4q9RgKw5kjVwhtKzsBs/?lang=en

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Automation in accession classification of brazilian capsicum germplasm through artificial neural networks.pdf
Tamanho:
505.08 KB
Formato:
Adobe Portable Document Format
Baixar

Licença do pacote

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
License.txt
Tamanho:
1.99 KB
Formato:
Plain Text
Descrição:
Baixar

Coleções

Artigo de Periódico

Logo UFMG