Artificial neural networks for estimating Saflufenacil phytotoxidity in Conilon Coffee seedlings

Authors

DOI:

https://doi.org/10.17765/2176-9168.2021v14n4e9032

Keywords:

Artificial intelligence, Biometrics, Phytotoxicity, Weedkiller

Abstract

Failure to comply with good practices in the application of herbicides between the rows of coffee trees can cause drift and consequent cases of phytotoxicity in coffee trees. The determination of phytotoxicity is usually performed using scales that are subjective methods and can lead to diagnostic errors. Thus, the objective of this work was to verify if the physiological and biometric parameters, using the neural network, are good indicators of phytotoxicity, as well as to estimate the phytotoxicity caused by the herbicide Saflufenacil in Conilon coffee plants. The experiment was implemented in a greenhouse at the Experimental Farm of the Federal University of Espírito Santo, Campus São Mateus, ES. Conilon clone LB1 coffee seedlings were used. The seedlings were cultivated in 5L pots. The design used was completely randomized with 15 replications. The treatments were subdoses of Saflufenacil: 10, 20, 30 and 40% of the commercial dose. The evaluated parameters were: height, stem diameter, number of plagiotropic leaves and branches, chlorophyll “a” fluorescence, chlorophyll index, pigment contents and evaluation of visual phytotoxicity. To estimate phytotoxicity, the ANNs were trained using the Resilient Propagation algorithm with 3,000 cycles. Physiological and biometric parameters are good indicators of the state in which the plant is. It was possible to estimate the phytotoxicity of the herbicide Saflufenacil using physiological and biometric parameters via neural networks efficiently, with the estimates of modeling errors not exceeding 5% in most cases.

Author Biographies

Tamara Locatelli, Universidade Federal do Espírito Santo - UFES

Bolsista Técnica de laboratório e campo do Programa de Pós-graduação em Agricultura Tropical da Universidade Federal do Espírito Santo (UFES), São Mateus (ES), Brasil

Ismael Lourenço de Jesus Freitas, Universidade Federal do Espírito Santo - UFES

Pós-doutorando do Programa de Pós-graduação em Agricultura Tropical da Universidade Federal do Espírito Santo (UFES), São Mateus (ES), Brasil

Silvério de Paiva Freitas, Universidade Estadual do Norte Fluminense - UENF

Professor permanente do Programa de Pós-graduação em Produção Vegetal da Universidade Estadual do Norte Fluminense (UENF), Campos dos Goytacazes (RJ), Brasil

Edney Leandro da Vitória, Universidade Federal do Espírito Santo - UFES

Docente permanente do Programa de Pós-graduação em Agricultura Tropical (PPGAT) da Universidade Federal do Espírito Santo (UFES), São Mateus (ES), Brasil.

Aclécia Gonçalves Batista, Universidade Federal do Espírito Santo - UFES

Graduanda em Agronomia da Universidade Federal do Espírito Santo (UFES), São Mateus (ES), Brasil

Tallita Pedroni Locatelli, Instituto Federal do Espírito Santo - IFES

Pedagoga formada pelo Instituto Federal do Espírito Santo, Câmpus Itapina (IFES), Colatina (ES), Brasil.

References

AMARAL, A.M.; MUNIZ, J.A.; SOUZA, M. Avaliação do coeficiente de variação como medida da precisão na experimentação com citros. Pesq. Agr. Bras., v. 32, n. 12, p. 1221-1225, 1997.

BARBEDO, J. G.; TIBOLA, C. S.; FERNANDES, J. M. Detectando a queima da cabeça do fusário em grãos de trigo usando imagens hiperespectrais. Rev. Bras. Eng. Bios., v. 131, p. 65-76, 2015.

BINOTI, D. H. B.; BINOTI, M. L. M. S.; LEITE, H. G. Configuração de redes neurais artificiais para estimação do volume de árvores. Ci. Madeira, Pelotas, v. 5, n. 1, p. 58-67, maio. 2014. DOI: http://dx.doi.org/10.12953/2177-6830.v05n01a06.

BINOTI, D. H. B.; BINOTI, M. L. M. S.; LEITE, H. G.; SILVA, A. A. L.; ALBUQUERQUE. A. C. Modelagem da Distribuição de Diâmetros Utilizando Autômatos Celulares e 32 Redes Neurais Artificiais. Rev. Cerne., v. 19, p. 677 - 685, 2013.

BINOTI, M. L. M. DA. S. Uso de redes neuronais artificiais para prognose da produção de povoamento de eucalipto. 2010. 54f. Dissertação (Mestrado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa, Minas Gerais, 2010.

BRAGA, A. de P.; CARVALHO, A. P. DE L. F. de; LUDEMIR, T. B. Redes Neurais Artificiais: Teoria e Aplicações. 2 ed. Rio de Janeiro: LTC, 2007. 260p.

CAMARGO, A.; SMITH, J. Classificação de padrões de imagem para identificação de agentes causadores de doenças em plantas. Comp. Elect. Agr., v. 66, p. 121-125, 2009.

CARGNELUTTI FILHO, A.; STORCK, L. Estatísticas de avaliação da precisão experimental em ensaios de cultivares de milho. Pes. Agrop. Bras., v. 42, n. 1, p. 17-24, 2007.

CASTANHEIRA, D. T.; ALECRIM, A. O.; SOUZA, I. F.; VOLTOLINI, G. B.; PAULO, H. M.; GONÇALVES, M. V. O.; BOTELHO, R. B. R. Deriva de fluazifop-p-butyl no desenvolvimento inicial de mudas de café. In: Simpósio de Pesquisa dos cafés do Brasil, 9., 2015, Curitiba. Anais [...]. Curitiba. Disponível em: http://www.sbicafe.ufv.br/handle/123456789/4132. Acesso em: 12 nov. 2019.

CASTRO, Y. O.; CAVALIERI, S. D.; SANTOS, M. P.; GOLYNSKI, A.; NASCIMENTO, A. R. Manejo integrado de plantas daninhas na cultura do tomate para processamento industrial e para consumo in natura. Sci. Elet. Arc., Goiás, v. 9, n. 5, p. 11-17, 2016.

CHEN, S.; KANG, Y.; ZHANG, M.; WANG, X.; STRASSER, R. J.; ZHOU, B.; QIANG, S. Differential sensitivity to the potential bioherbicide tenuazonic acid probed by the JIP-test based on fast chlorophyll fluorescence kinetics. Env. Exp. Botany, v. 112, p. 1-15, 2015.

CONAB - COMPANHIA NACIONAL DE ABASTECIMENTO. Acompanhamento da Safra Brasileira. Café, Terceiro levantamento, safra 2019. Brasília, v. 5, n. 3, p. 1-48. Disponível em: https://www.conab.gov.br/component/k2/item/download/28519_1451c80af85a09013032c62c38317623. Acesso em: 9 set. 2019. Base de dados.

DALAZEN, G.; KRUSE, N. D.; MACHADO, S. L. O.; BALBINOT, A. Sinergismo na combinação de glifosato e saflufenacil para o controle de buva. Pes. Agrop. Tropical, v. 45, n. 2, p. 249-256, 2015. http://dx.doi.org/10.1590/1983-40632015v4533708.

FRANS, R. & CROWLEY, H. Experimental design and techniques for measuring and analyzing plant responses to weed control practices. Res. Meth. weed sci., Clemson, p. 29-45. 1986.

FREITAS, E. C. S. Modelagem da produtividade de eucalipto por meio de redes neuronais artificiais. 2017. 127 f. Tese (Doutorado em Ciência Florestal) - Universidade Federal de Viçosa, Viçosa, 2017.

FREITAS, I. L. J.; RODRIGUES, W. P.; JUNIOR, A. T. A.; FREITAS, S. P.; AMIM, R. T.; VITTORAZZI, C.; FREITAS, J. A. A. Maximum quantum yield of photosystem II to assist in the measurement of herbicide selectivity in popcorn. Plant Sci. Today, v. 1, n. 2, p. 80-85, 2014. http://dx.doi.org/10.14719/pst.2014.1.2.28.

GOMES, P. G. Curso de estatística experimental. 14. ed. [s.l.; s.n.], 2000. 477p.

HONDA, B.; JORGE. L. A. C. Computação aplicada à agricultura de precisão. Rev. Científica Eletrônica UNISEB, v. 1, n. 1, p. 111-132, 2013.

INACIO, E. M. Aspectos da biologia, caracterização foliar e manejo químico de Conyza bonariensis (L.) Cronquist (Asteraceae) e Conyza canadensis (L.) Cronquist (Asteraceae). 2012. 72 f. Dissertação (Mestrado em Agricultura e Ambiente) - Universidade Federal de São Carlos, Araras, 2012.

KRAUSE, G. H.; WEIS, E. Chlorophyll fluorescence and photosynthesis: the basics. Annual Rev. Plant Phys. Plant Mol. Biology, v. 42, p. 313-349, 1991. https://doi.org/10.1146/annurev.pp.42.060191.001525.

LORENZI, H. Plantas daninhas do Brasil: terrestres, aquáticas, parasitas, tóxicas e medicinais. 4. ed. 1991. 440p.

LOURENÇO, E.; ALENCAR J. R. C. C. Estudo da fitotoxidade de herbicidas aplicados em pós emergência na cultura do trigo. Rev. Iniciare, v. 1, n. 1, p. 79-90, 2016.

MATHIAS, I. M. Aplicação de redes neurais artificiais na análise de dados de molhamento foliar por orvalho. 2006. 135 f. Tese (Doutorado em Agronomia) - Universidade Estadual Paulista “Júlio de Mesquita Filho”, Botucatu, 2006.

MICHELON, G. K. Aplicação de técnicas de inteligência artificial na agrocultura de precisão para estimar a produtividade da soja. 2016. 99 f. Trabalho de conclusão de curso (Bacharel em Computação) – Universidade Tecnológica Federal do Paraná, Medianeira.

OLIVEIRA JÚNIOR, R. S.; CONSTANTIN, J.; INQUE, M. H. Biologia e manejo de plantas daninhas. 22. ed. [s.l.; s.n.], 2011. 348p.

PHADIKAR, S.; SIL, J. Classificação de doenças de Rice usando técnicas de seleção de características e geração de regras. Computers and Electronics in Agriculture, v. 90, p. 76-85, 2013.

RODRIGUES, J. S. Efeito dos herbicidas indaziflam e imazapic no controle de seis espécies de gramíneas anuais presentes nos Estados Unidos. 2016. 42 f. Trabalho de conclusão de curso (Engenharia Agronômica) – Universidade Federal de São João Del Rei, Sete Lagoas, 2016.

RODRIGUES NETO, A. D.; ALMEIDA, M. S; PRADO, E. P.; TROPALDI, L.; FIRMINO, A. C.; BONINI, C. D. S. B.; LIMA, R. C. Otimização da atividade de herbicidas com diferentes adjuvantes na fitotoxicidade de Digitaria insularis no estádio de florescimento. Coll. Agr., p. 120-126, 2019.

RUGGIERO, C.; DURIGAN, J. F.; GOES, A.; NATALE, W.; BENASSI, A. C. Panorama da cultura do mamão no Brasil e no mundo: situação atual e tendências. In: MARTINS, D. S. Papaya Brasil: qualidade no mamão para o mercado interno. Vitória: Incaper, 2003. p. 13-34.

SANTOS, E. R. Respostas fisiológicas e anatômicas de Billbergia zebrina LindI. (Bromeliaceae) em fundão de fontes e concentrações de carboidratos durante o cultivo in vitro convencional. 2018. 59 f. Dissertação (Mestrado em Biologia Vegetal) - Universidade Federal do Espírito Santo, Vitória, 2018.

SILVA, S. H. M. G. Processamento digital de imagens para identificação da sigatoka negra em bananais utilizando análise de componentes principais e redes neurais artificiais. 2008. 94 f. Tese (Doutorado em Agronomia) - Universidade Estadual Paulista “Júlio de Mesquita Filho”, Botucatu, 2008.

VOLPE, R.; CARMOZINI, P. A.; ÁVILA, M. A. P.; CARVALHO, C. A. M. Pulverizações foliares na recuperação de mudas de café arábica intoxicadas por glifosato. In: JORNADA CIENTÍFICA E TECNOLÓGICA, 5., SIMPÓSIO DE PÓS-GRADUAÇÃO DO IFULDEMINAS, 2., 2013, Minas Gerais. Anais [...]. Disponível em: https://jornada.ifsuldeminas.edu.br/index.php/jcinc/jcinc/paper/viewFile/63/36. Acesso em: 10 out. 2019.

VOLTOLINI, G. B.; CASTANHEIRA, D. T.; GUIMARÃES, R. J.; ALCÂNTARA, E. N.; REZENDE, T. T.; PAULINO, R. N. L.; CARNEIRO, A. H. C. Sintomas de fitotoxidez causados pela deriva do herbicida glyphosate em mudas de cafeeiro. In: SIMPÓSIO DE PESQUISA DOS CAFÉS DO BRASIL, 9., 2015, Curitiba. Anais [...]. Disponível em: http://www.sbicafe.ufv.br/handle/123456789/4129. Acesso em: 20 set. 2019.

Downloads

Published

2021-07-31

How to Cite

Locatelli, T., Freitas, I. L. de J. ., Freitas, S. de P., Vitória, E. L. da ., Batista, A. G. ., & Locatelli, T. P. . (2021). Artificial neural networks for estimating Saflufenacil phytotoxidity in Conilon Coffee seedlings. Revista Em Agronegócio E Meio Ambiente, 14(4), 907–916. https://doi.org/10.17765/2176-9168.2021v14n4e9032

Issue

Vol. 14 No. 4 (2021): out./dez.

Section

Agrobusiness

License

A Revista se reserva o direito de efetuar, nos originais, alterações de ordem normativa, ortográfica e gramatical, com o intuito de manter o padrão culto da língua, respeitando, porém, o estilo dos autores. As opiniões emitidas pelos autores são de sua exclusiva responsabilidade.

Os direitos autorais pertencem exclusivamente aos autores. Os direitos de licenciamento utilizado pelo periódico é a licença Creative Commons Attribution Licença Creative CommonsCreative Commons Atribuição 4.0 Internacional. São permitidos o compartilhamento (cópia e distribuição do material em qualquer meio ou formato) e adaptação (remixar, transformar, e criar a partir do trabalho, mesmo para fins comerciais), desde que lhe atribuam o devido crédito pela criação original.