Author(s):
Moraes, Nicacia Andrade Borges
Date: 2020
Origin: Oasisbr
Subject(s): CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::FITOTECNIA::PRODUCAO E BENEFICIAMENTO DE SEMENTES; Inteligência artificial; Zea mays; Mineração de dados; Sementes; CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::FITOTECNIA::PRODUCAO E BENEFICIAMENTO DE SEMENTES; CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::FITOTECNIA::PRODUCAO E BENEFICIAMENTO DE SEMENTES; Inteligência artificial; Inteligência artificial; Zea mays; Zea mays; Mineração de dados; Mineração de dados; Sementes; Sementes
Description
Submitted by Ubirajara Cruz (ubirajara.cruz@gmail.com) on 2020-06-04T21:36:42Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) FinalNicacia.pdf: 344545 bytes, checksum: 00ca0523814457e5d047ab3cfad314f7 (MD5)
Approved for entry into archive by Aline Batista (alinehb.ufpel@gmail.com) on 2020-06-05T22:20:32Z (GMT) No. of bitstreams: 2 FinalNicacia.pdf: 344545 bytes, checksum: 00ca0523814457e5d047ab3cfad314f7 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Approved for entry into archive by Aline Batista (alinehb.ufpel@gmail.com) on 2020-06-05T22:20:54Z (GMT) No. of bitstreams: 2 FinalNicacia.pdf: 344545 bytes, checksum: 00ca0523814457e5d047ab3cfad314f7 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Made available in DSpace on 2020-06-05T22:21:06Z (GMT). No. of bitstreams: 2 FinalNicacia.pdf: 344545 bytes, checksum: 00ca0523814457e5d047ab3cfad314f7 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2020-05-11
Sem bolsa
No setor sementeiro há vários desafios na tomada de decisão rápida e precisa quando se trabalha com expressiva quantidade de lotes de sementes, sendo que a manipulação manual se torna quase impossível. A reinvenção da agricultura vem com inteligência artificial (IA), principalmente no setor de qualidade. O objetivo deste trabalho é utilizar o aprendizado de máquinas para a classificação de lotes de sementes de milho. Foram utilizados dados provenientes de uma empresa produtora de sementes de milho, sendo os atributos oito safras. Os classificadores utilizados foram J48, RandomForest, CVR, lBk, MLP e NäiveBayes. Foi utilizada a validação cruzada, no qual dividiu-se o conjunto de dados, treinamento e teste, em 10 subconjuntos. As etapas descritas foram realizadas no software Weka. A técnica de mineração de dados mais precisa foi predição e classificação (100%) e não a técnica de associação com somente 70,35% de acurácia. É possível classificar lotes de sementes de milho com grande acurácia e precisão através de inteligência artificial e sua técnica de aprendizado de máquina. A inteligência artificial permitirá automatizar processos na empresa e aumentar a velocidade de conclusão de tarefas.
In the seed sector there are several challenges in making quick and accurate decisions when working with huge quantities of seed lots, with manual handling becoming almost impossible. The reinvention of agriculture comes with artificial intelligence (AI), mainly in the quality sector. The objective of this work is to use machine learning to classify corn seed lots. Data from a corn seed company were used, with the attributes being eight harvests. The classifiers used were J48, RandomForest, CVR, lBk, MLP and NäiveBayes. Cross validation was used, in which the data set, training and testing, was divided into 10 subsets. The steps described were performed using the Weka software. The most accurate data mining technique was prediction and classification (100%) and not the association technique with only 70.35% accuracy. It is possible to classify lots of corn seeds with great accuracy and precision through artificial intelligence and its machine learning technique. Artificial intelligence will allow you to automate processes in the company and increase the speed of completing tasks.
