Model for estimating red mulberry leaf area using a genetic algorithm

Alejandra Semiramis Albuquerque; Leandro Mendes de Souza; Kassilio José Guedes; Gabriella Roberta Silva Oliveira

doi:10.36560/17620241996

Autores

Alejandra Semiramis Albuquerque Universidade Federal de São João del-Rei https://orcid.org/0000-0002-3314-5615
Leandro Mendes de Souza Universidade Federal de São João del-Rei https://orcid.org/0000-0002-7374-8365
Kassilio José Guedes Universidade Federal de São João del-Rei https://orcid.org/0009-0001-6822-4794
Gabriella Roberta Silva Oliveira Universidade Federal de São João del-Rei

DOI:

https://doi.org/10.36560/17620241996

Palavras-chave:

Morus rubra, artificial intelligence, optimization

Resumo

The success of sericulture depends directly on the quality and quantity of mulberry leaves, as it is essential for the feeding and development of silkworm caterpillars and, consequently, influences the quality of the silk thread manufactured. The estimation of mulberry leaf area is important to have plant development and growth indicators, such as transpiration intensity, net assimilation rate, leaf area ratio, specific leaf area and leaf area index, which allow predicting crop productivity. Thus, the objective of this study was to develop and test a model capable of estimating the red mulberry leaf area using a genetic algorithm. The model was adjusted with the proposed stochastic optimization method. The mean error found for the tested dataset was approximately 228.17 mm² in sample space with mean leaf area of 6515.55 mm². The information generated allows applying the model to estimate red mulberry leaf area in future studies.

Referências

Azevedo, A. M.; Andrade Júnior, V.C.; Pedrosa, C.E.; Oliveira C.M.; Dornas, M.F.S.; Cruz, C.D.; Valadares, N.R. Application of artificial neural networks in indirect selection: a case study on the breeding of lettuce. Bragantia, v.74, n. 4, p.387-393, 2015.

Azevedo, A.M.; Andrade Júnior, V.C.; Sousa Júnior, A.S.; Santos, A.A.; Cruz, C.D.; Pereira, S.L.; Oliveira, A.J.M. Eficiência da estimação da área foliar de couve por meio de redes neurais artificiais. Horticultura Brasileira, v.35, n.1, p.14-19, 2017.

Azevedo, A.M.; Silveira, V.A.; Oliveira, C.M.; Pedrosa, C.E.; Lemos, V.T.; Valadares, N.; Guimarães, A.G. Predição da área foliar em acerola por redes neurais artificiais e regressão múltipla. Revista Agrária Acadêmica, v.2, n.3, p. 96-105, 2019.

Goergen, P.C.H.; Lago, I.; Schwab, N.T.; Alves, A.F.; Freitas, C.P.O.; Selli, V.S. Allometric relationship and leaf area modeling estimation on chia by non-destructive method. Revista Brasileira de Engenharia Agrícola e Ambiental, v. 25, n. 5, p.305-311, 2021.

Guimarães Filho, C. Diversificação silenciosa. Boletim Informativo do Sistema FAEP, v.1349, p.14-16, 2016.

Haykin, S. Redes neurais: princípios e prática. Porto Alegre: Bookman, 2001. 898p.

Hernandéz-Fernandéz, I.A.; Jarma-Orozco, A.; Pompelli, M.F. Allometric models for non-destructive leaf area measurement of stevia: an in depth and complete analysis. Horticultura Brasileira, v.39, n.2, p. 205-215, 2021.

Junges, A.H.; Anzanello, R. Non-destructive simple model to estimate the leaf area through midvein in cultivars of Vitis vinífera. Revista Brasileira de Fruticultura, v.43, n.5, e-795, 2021.

Leite, M.L.M.V.; Lucena, L.R.R.; Cruz, M.G.; Sá Júnior, E.H.; Simões, V.J.L.P. Leaf area estimate of Pennisetum glaucum by linear dimensions. Acta Scientiarum. Animal Sciences, v.41, e42808, 2019.

Leite, M.L.M.V; Lucena, L.R.R.; Sá Júnior, E.H.; Cruz, M.G. Estimativa da área foliar em Urochloa mosambicensis por dimensões lineares. Revista Agropecuária Técnica, v.38, n.1, p.9-16, 2017.

Leite, M.L.M.V.; Moura, G.A.; Moura, E.A.; Lucena, L.R.R.; Sales, A.T.; Sampaio, E.V.S.B. Comparison of methods for estimating leaf area in pornunça (Manihot sp.). Revista Brasileira de Engenharia Agrícola e Ambiental, v.25, n.11, p.733-740, 2021.

Maldaner, I.C.; Heldwein, A.B.; Loose, L.H.; Lucas, D.D.P.; Guse, F.I.; Bortoluzzi, M.P. Modelos de determinação não destrutiva da área foliar em girassol. Ciência Rural, v.39, n.5, p.1356-1361, 2009.

Monteiro, J.E.B.A.; Sentelhas, P.C.; Chiavegato, E.J.; Guiselini, C.; Santiago, A.V.; Prela, A. Estimação da área foliar do algodoeiro por meio de dimensões e massa das folhas. Bragantia, v.64, n.1, p.15-24, 2005.

Pinto, A.R.F.; Martarelli, N.J.; Nagano, M.S. Algoritmo genético: principais gaps, trade-offs e perspectivas para futuras pesquisas. Trends in Computational and Applied Mathematics, v.23, n.3, p.413-438, 2022.

Porto, A.J. Sericicultura no estado de São Paulo. Boletim de Indústria Animal, v.71, n.3, p.291-302, 2014.

Purohit, K.M.; Kumar, P. Influence of various agronomical practices in India on the leaf quality in mulberry, a review. Sericologia, v.36, n.1, p.27-50, 1996.

Queiroga, J.L.; Romano, E.D.U.; Souza, J.R.P.; Miglioranza, E. Estimativa da área foliar do feijão-vagem (Phaseolus vulgaris L.) por meio da largura máxima do folíolo central. Horticultura Brasileira, v.21, n.1, p. 64-68, 2003.

Schmildt, E. R.; Amaral, J.A.T.; Schmildt, O.; Santos, J.S. Análise comparativa de equações para estimativa da área foliar em cafeeiros. Coffee Science, v.9, n.2, p. 155-167, 2014.

Silva, G.L.S.; Carneiro, M.S.S.; Edvan, R.L.; Andrade, A.P.; Medeiros, G.R.; Cândico, M.J.D. Determining a model to estimate leaf area in pornunça (Manihot sp.) using morphometric measures. Acta Scientiarum. Animal Science, v.39, n.4, p.351-256, 2017.

Zanetti, S.; Pereira, L.F.M.; Sartori, M.M.P.; Silva, M.A. Leaf area estimation of cassava from linear dimensions. Anais da Academia Brasileira de Ciências, v.89, n.3, p.1729-1736, 2017.