CATEGORIZAÇÃO DE VARIEDADES HÍBRIDAS EM MILHO COM ALGORITMO DE APRENDIZADO DE MÁQUINA E DADOS ESPECTRAIS DE VANT
Palavras-chave:
Zea mays, Fenotipagem, Espectral, Classificação, Análise descritivaResumo
O trabalho teve como objetivo investigar o uso de imagens obtidas por UAV e o algoritmo de Máquinas de Vetores de Suporte (SVM) para classificar quatro híbridos de milho. O estudo foi realizado na Fazenda-Escola do IFUSLDEMINAS, em Inconfidentes-MG, onde foram coletados dados espectrais das bandas RGB de 20 parcelas experimentais. Utilizando o kernel RBF, o SVM foi treinado para maximizar a discriminação entre as classes. As métricas de desempenho, como acurácia e índice Kappa, mostraram um excelente ajuste do modelo, com Kappa superior a 0,81, indicando alta precisão na categorização dos híbridos. Os resultados destacaram a eficácia do uso de aprendizado de máquina e sensoriamento remoto para distinguir os híbridos de milho, com exceção do B2688 PWU, que apresentou 10% de erros de predição. O estudo reforça o potencial de métodos não destrutivos na agricultura para melhorar a seleção de variedades híbridas e otimizar a produtividade.
