Eficiência da estimação da área foliar de couve por meio de redes neurais artificiais

Increased efficiency of selection for leaf area in kale using artificial neural networks

A estimativa da área foliar na couve é importante, pois medidas diretas são difíceis e imprecisas, devido ao tamanho da folha, a irregularidade da superfície foliar de alguns genótipos, a necessidade de equipamentos caros e de muita mão-de-obra. Objetivou-se verificar a eficiência da estimação da área foliar de couve por meio de RNAs e constatar a eficiência desta estratégia em comparação com o uso da área foliar observada. O experimento foi conduzido em delineamento de blocos casualizados com três repetições, 22 acessos e quatro plantas por parcela. Desenvolveram-se perceptrons de multicamadas utilizando 50 folhas por acesso, destinando-se 70% para treinamento, 15% para a validação cruzada (early-stop) e 15% para teste. Foram testadas 39 configurações de rede perceptron de multicamadas. As RNAs foram eficientes para estimar a área foliar da couve a partir do comprimento e largura do limbo foliar. A área foliar estimada pela RNA é indicada para a seleção de plantas por ser de fácil obtenção, ser um método não destrutivo, apresentar alta correlação fenotípica e genética com a área foliar observada e maior herdabilidade.

Palavras-chave:
Brassica oleracea var. acephala; perceptron de multicamadas; seleção indireta; inteligência computacional.