Abordagens de aprendizado de máquina na seleção de genótipos de maracujazeiro amarelo resistentes ao CABMV (2025)
- Authors:
- Autor USP: GONÇALVES JÚNIOR, DEURIMAR HERÊNIO - ICMC
- Unidade: ICMC
- Subjects: APRENDIZADO COMPUTACIONAL; INTELIGÊNCIA ARTIFICIAL; MELHORAMENTO GENÉTICO
- Keywords: Algoritmo supervisionado; Naive Bayes
- Language: Português
- Abstract: A investigação conduzida neste estudo focou na aplicação de algoritmos de apren dizado de máquina para a seleção de genótipos de maracujazeiro amarelo com resistência ao cowpea aphid-borne mosaic virus (CABMV), um dos principais entraves à produtividade dessa cultura. O objetivo central consistiu em desenvolver uma metodologia eficaz para classificar genótipos quanto à resistência e produtivi dade, empregando um conjunto de dados composto por 87 genótipos avaliados em condições de campo. A metodologia adotada integrou etapas de aprendizado não supervisionado, utilizando o algoritmo K-Means para agrupamento dos genótipos, seguidas de aprendizado supervisionado com a aplicação de diversos algoritmos, in cluindo Regressão Logística, Árvore de Decisão, Random Forest, Gradient Boosting, AdaBoost, SVM, KNN, Redes Neurais Artificiais (RNA) e Naive Bayes. A avaliação dos modelos foi realizada com base em métricas consolidadas, tais como acurácia, precisão, recall e F1-Score. Os resultados obtidos evidenciaram um desempenho notável de múltiplos algoritmos, com ênfase no Naive Bayes, que atingiu 100% em todas as métricas analisadas. Algoritmos como Regressão Logística, Árvore de Decisão, Random Forest, Gradient Boosting, SVM e RNA apresentaram desem penho consistente, alcançando acurácia de 94%. Por sua vez, AdaBoost e KNN registraram acurácias de 88% e 89%, respectivamente. Entre as variáveis analisadas, a área abaixo da curva de progresso da doença (AACPD), o número de frutos e o rendimento de polpa emergiram como fatores determinantes para a classificação. Conclui-se, portanto, que os algoritmos de aprendizado de máquina constituem uma ferramenta robusta e precisa para otimizar programas de melhoramento genético, viabilizando a seleção eficiente de genótipos resistentes e produtivos.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2025
-
ABNT
GONÇALVES JÚNIOR, Deurimar Herênio. Abordagens de aprendizado de máquina na seleção de genótipos de maracujazeiro amarelo resistentes ao CABMV. 2025. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2025. Disponível em: https://bdta.abcd.usp.br/directbitstream/c007f3ba-bf47-4512-9b2e-e629edb4b620/Deurimar_Her%C3%AAnio_Gon%C3%A7alves_Junior.pdf. Acesso em: 22 abr. 2025. -
APA
Gonçalves Júnior, D. H. (2025). Abordagens de aprendizado de máquina na seleção de genótipos de maracujazeiro amarelo resistentes ao CABMV (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/c007f3ba-bf47-4512-9b2e-e629edb4b620/Deurimar_Her%C3%AAnio_Gon%C3%A7alves_Junior.pdf -
NLM
Gonçalves Júnior DH. Abordagens de aprendizado de máquina na seleção de genótipos de maracujazeiro amarelo resistentes ao CABMV [Internet]. 2025 ;[citado 2025 abr. 22 ] Available from: https://bdta.abcd.usp.br/directbitstream/c007f3ba-bf47-4512-9b2e-e629edb4b620/Deurimar_Her%C3%AAnio_Gon%C3%A7alves_Junior.pdf -
Vancouver
Gonçalves Júnior DH. Abordagens de aprendizado de máquina na seleção de genótipos de maracujazeiro amarelo resistentes ao CABMV [Internet]. 2025 ;[citado 2025 abr. 22 ] Available from: https://bdta.abcd.usp.br/directbitstream/c007f3ba-bf47-4512-9b2e-e629edb4b620/Deurimar_Her%C3%AAnio_Gon%C3%A7alves_Junior.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Deurimar_Herênio_Gonçal... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
