Caboclo - Repositório Institucional UFRB CCAAB - Centro de Ciências Agrárias, Ambientais e Biológicas PPG-RGV - Programa de Pós-Graduação em Recursos Genéticos Vegetais CCAAB - PPG-RGV - Dissertações
Please use this identifier to cite or link to this item: http://ri.ufrb.edu.br/jspui/handle/prefix/1071
metadata.dc.type: Dissertação
metadata.dc.degree.level: Mestrado Acadêmico
Title: Método precoce para diagnóstico da doença “couro de sapo” da mandioca por infravermelho próximo
metadata.dc.creator: Freitas, Emile Lemos
metadata.dc.contributor.advisor1: Oliveira, Eder Jorge de
metadata.dc.contributor.advisor-co1: Oliveira, Saulo Alves Santo de
metadata.dc.contributor.advisor-co2: Brito, Ana Carla
metadata.dc.contributor.referee1: Cortes, Diego Fernando Marmolejo
metadata.dc.contributor.referee2: Jesus, Onildo Nunes de
Citation: FREITAS, Emile Lemos. Método precoce para diagnóstico da doença “couro de sapo” da mandioca por infravermelho próximo. 2018. 58 f. Dissertação (Mestrado Acadêmico em Recursos Genéticos Vegetais) - Centro de Ciências Agrárias, Ambientais e Biológicas, Universidade Federal do Recôncavo da Bahia, Cruz das Almas, 2018.
metadata.dc.description.resumo: O couro de sapo causa perdas significativas na produtividade de raízes de mandioca (Manihot esculenta Crantz) e de modo geral, a diagnose é realizada de forma visual ou com uso de técnicas moleculares, geralmente de forma tardia. O objetivo deste trabalho foi analisar a viabilidade da espectrometria do infravermelho próximo (NIR) para detecção precoce da doença com diferentes modelos de calibração. A análise do NIR foi realizada em 238 acessos de mandioca (120 sadios e 118 infectados pelo couro de sapo). Os modelos de classificação utilizados foram Bayesian Generalized Linear Model (BGLM), Extreme Learning Machine (ELM), High Dimensional Discriminant Analysis (HDDA), Partial Least Squares (PLS), Parallel Random Forest (PRANDF) e Support Vector Machines with Linear Kernel (SVM). A capacidade preditiva dos modelos foi avaliada pela acurácia e índice de Kappa obtidas por validação cruzada. Os modelos foram testados utilizando todos os comprimentos de onda e seleção de comprimentos de onda por eliminação recursiva de características (RFE) com uso do algoritmo random forest. Os modelos preditivos demonstraram alta eficiência na distinção de acessos sadios e infectados, com acurácia acima de 80%. Quatro modelos (SVM, BGLM, PRANDF, PLS) apresentaram nível de concordância quase perfeita com base no índice de Kappa. Os modelos SVM e BGLM apresentaram elevada acurácia (99,07 e 98,92%, respectivamente) e reprodutibilidade (0,98) na classificação dos acessos. A seleção de comprimentos de onda NIR possibilitou a identificação de faixas mais informativas para construção dos modelos, porém reduziu o desempenho na classificação de todos os modelos, à exceção do ELM. O uso do NIR é uma alternativa viável para a detecção do couro de sapo, com as vantagens inerentes da detecção precoce e precisa, com elevada rapidez e baixo custo em comparação aos métodos tradicionais de diagnose.
Keywords: Madioca - Manihot esculenta Crantz
Doenças de plantas - Couro de sapo
Espectrometria - Seleção de variáveis
Bayesian Generalized Linear Model (BGLM)
Support Vector Machines with Linear Kernel (SVM)
Abstract: The frogskin disease causes significant yield losses in cassava roots (Manihot esculenta Crantz) and in general, the diagnosis is carried out visually or using molecular techniques, usually diagnosed in old plants. The objective of this work was to analyze the feasibility of near infrared spectrometry (NIR) for early detection of the disease by using different calibration models. A NIR analysis was performed on 238 cassava accessions (120 healthy and 118 frogskin-infected). Six classification models were used: bayesian generalized linear model (BGLM), extreme learning machine (ELM), high dimensional discriminant analysis (HDDA), partial least squares (PLS), parallel random forest (PRANDF) and support vector machines with linear kernel (SVM). The predictive ability of the models was evaluated by the accuracy and Kappa index obtained by cross validation. The models are tested using all wavelength and wavelength selection by the recursive feature elimination (RFE) method based on random forest algorithm. The predictive models demonstrated high efficiency to distinguish healthy from frogskin-infected accessions (accuracy > 80%). Four models (SVM, BGLM, PRANDF, PLS) yielded almost perfect classification based on the Kappa index. The SVM and BGLM models presented high accuracy (99.07 and 98.92%, respectively) and reproducibility (0.98) to classify the cassava accession based on the frogskin symptoms. The selection of NIR wavelengths allowed the identification of high informative spectrum for building the classification models, but it reduced the classification performance of all models, except the ELM. The use of NIR is a viable alternative for the frogskin detection with inherent advantages of early and accurate detection, with high accuracy and low time-consuming compared to traditional methods of diagnosis.
metadata.dc.subject.en: Madioca - Manihot esculenta Crantz
Plant Diseases – Frog Leather
Spectrometry - Variable selection
Bayesian Generalized Linear Model (BGLM)
Support Vector Machines with Linear Kernel (SVM)
Publisher: Universidade Federal do Recôncavo da Bahia
metadata.dc.publisher.department: CCAAB - Centro de Ciências Agrárias, Ambientais e Biológicas
metadata.dc.publisher.program: Programa de Pós-Graduação em Recursos Genéticos Vegetais
Issue Date: Feb-2018
metadata.dc.subject.cnpq: CNPQ:CIÊNCIAS AGRÁRIAS
metadata.dc.rights: Acesso Aberto
metadata.dc.date.available: 2018-02-02
2020-01-28T14:24:06Z
URI: http://ri.ufrb.edu.br/jspui/handle/prefix/1071
Appears in Collections:CCAAB - PPG-RGV - Dissertações

Files in This Item:
File Description SizeFormat 
Metodo_Precoce_Diagnostico_Dissertacao_2018.pdf1,1 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.