<b>Estimating soybean yields with artificial neural networks

Guiliano Rangel Alves; Itamar Rosa Teixeira; Francisco Ramos Melo; Raniele Tadeu Guimarães Souza; Alessandro Guerra Silva

doi:10.4025/actasciagron.v40i1.35250

Guiliano Rangel Alves Universidade Estadual de Goiás
Itamar Rosa Teixeira Universidade Estadual de Goiás
Francisco Ramos Melo Universidade Estadual de Goiás
Raniele Tadeu Guimarães Souza Universidade Estadual de Goiás
Alessandro Guerra Silva Universidade de Rio Verde

DOI: https://doi.org/10.4025/actasciagron.v40i1.35250

Keywords: Glycine max (L.) Merrill, agronomic characteristics, modeling, MLP, perceptron.

Abstract

The complexity of the statistical models used to estimate the productivity of many crops, including soybeans, restricts the use of this practice, but an alternative is the use of artificial neural networks (ANNs). This study aimed to estimate soybean productivity based on growth habit, sowing density and agronomic characteristics using an ANN multilayer perceptron (MLP). Agronomic data from experiments conducted during the 2013/2014 soybean harvest in Anápolis, Goiás State, B razil, were used to conduct this study after being normalized to an ANN-compatible range. Then, several ANNs were trained to choose the best-performing one. After training the network, a performance analysis was conducted to select the ANN with a performance most appropriate for the problem, and the selected network had a 98% success rate with training data and a 72% data validation accuracy. The application of the MLP to the data used in the experiment shows that it is possible to estimate soybean productivity based on agronomic characteristics, growth habit and population density through AI.

Downloads

Download data is not yet available.

Author Biographies

Guiliano Rangel Alves, Universidade Estadual de Goiás

Possui graduação em Tecnologia Em Processamento de Dados pela Universidade Estadual de Goias (2001) e mestrado em Engenharia Agrícola pela Universidade Estadual de Goiás (2016). Atualmente é docente de ensino superior da Universidade Estadual de Goias e analista de redes sênior - Laboratório Teuto Brasileiro S/A. Tem experiência na área de Ciência da Computação, com ênfase em Engenharia de Software, atuando principalmente nos seguintes temas: controle, gerenciamento, rede social, framework e web.

Itamar Rosa Teixeira, Universidade Estadual de Goiás

Possui graduação em Agronomia pela Universidade Federal de Lavras (1995), Mestrado em Agronomia (Fitotecnia) pela Universidade Federal de Lavras (1998), Doutorado (2002) e Pós-doutorado (2006) em Fitotecnia (Produção Vegetal) pela Universidade Federal de Viçosa. Atualmente é professor Adjunto IV da Universidade Estadual de Goiás, onde é responsável pelas cadeiras de Grandes Culturas II e Produção e Tecnologia de Sementes no Curso de Gradução em Agronomia, e no Curso de Engenharia Agrícola, onde responde pelas disciplinas de Tecnologia em Sementes nos cursos de Graduação (optativa) em Engenharia Agricolas, e de Botânica Geral para a Graduação. Tem experiência na área de Agronomia/Fitotecnia com ênfase em: manejo e tratos culturais, consorciação, nutrição/adubação e qualidade de sementes de feijão (Phaseolus vulgaris L.).

Francisco Ramos Melo, Universidade Estadual de Goiás

Professor e pesquisador na Universidade Estadual de Goiás. Doutor (2012) e Pós Doutor (2013) em Ciências pela Universidade Federal de Uberlândia. Mestre (2003) em Engenharia Elétrica e de Computação pela Universidade Federal de Goiás na linha de Inteligência Artificial. Graduação (1992) no curso Superior em Tecnologia em Processamento de Dados pela Faculdade de Ciências Econômicas de Anápolis (Atual UEG). Especializou, no nível de pós graduação, em Redes de Computadores (UEG/USP) e em Didática e Metodologia do Ensino Superior (Anhanguera). Atuou por 30 anos como especialista na Força Aérea Brasileira. Professor no Programa de mestrado da Engenharia Agrícola (PMEA) na linha de agricultura de precisão.Pesquisa o desenvolvimento de aplicações computacionais em áreas multidisciplinares nos seguintes temas: redes neurais artificiais, sistemas tutores inteligentes, Processamento digital de Imagens, Inteligência Artificial na Educação, Tecnologias computacionais aplicadas a agricultura e tecnologias assistivas. Tem interesse nos assuntos educacionais referentes a didática presencial e não presencial, Inclusão digital.

Raniele Tadeu Guimarães Souza, Universidade Estadual de Goiás

Possui graduação em Agronomia pela Universidade Estadual de Goiás (2007) e mestrado em Engenharia Agrícola pela Universidade Estadual de Goiás (2014). Atualmente é responsável técnico de vendas - Agrorosso Sementes Ltda., mestrando - pós-graduação stricto senso da Universidade Estadual de Goiás e docencia de ensino superior da Universidade Estadual de Goiás. Tem experiência na área de Agronomia, com ênfase em Produção vegetal, atuando principalmente nos seguintes temas: cienciométria, biotecnologia, phaseolus vulgaris, bananeira e pesquisa agropecuaria. (Texto informado pelo autor)

Alessandro Guerra Silva, Universidade de Rio Verde

Possui graduação em Agronomia pela Universidade Federal de Lavras (1995), mestrado em Agronomia (Fitotecnia) pela Universidade Federal de Lavras (1998) e doutorado em Fitotecnia (Produção Vegetal) pela Universidade Federal de Viçosa (2003). É professor efetivado (Titular) da Universidade de Rio Verde nos cursos de Agronomia e no Programa de Pós-Graduação em Produção Vegetal, no qual foi coordenador de 2008 a 2012. É vice-presidente da ABMS-Associação Brasileira de Milho e Sorgo pela região Centro-Oeste. Participa de Programas de Pós-graduação e atua como consultor ?ad hoc? de periódicos científicos, agências de fomento e de Programas de Iniciação Científica. Foi presidente do X Seminário Nacional de Milho Safrinha, realizado em 2009 na cidade de Rio Verde (GO). Tem experiência na área de Agronomia, com ênfase em Manejo e Tratos Culturais, atuando principalmente com as culturas do sorgo, milho, girassol e soja.glycine max, rendimento e milho.