Previsão espectral da infecção por Phytophthora infestans em tomates usando rede neural artificial (RNA)

A requeima (LB) é uma das doenças de tomate mais agressivas na Califórnia. Detectar a doença com precisão aumentará a eficiência do controle adequado das infestações da doença para garantir a produção da colheita. Neste estudo, desenvolvemos um método para prever espectralmente infecções por requeima em tomates com base em uma rede neural artificial (RNA). A RNA foi projetada como uma rede neural de retropropagação (BP) que utilizou um algoritmo de aprendizado de descida de gradiente. Ao comparar diferentes estruturas de rede, selecionamos uma estrutura de rede 3-25-9-1. Duas amostras experimentais, provenientes de experimentos de campo e conjuntos de dados de imagens obtidas por sensoriamento remoto, foram utilizadas para treinar a RNA para prever copas de tomate saudáveis e doentes com vários estágios de infecção para quaisquer intervalos de comprimento de onda espectral (µm). Os resultados dos dados discretos indicaram diferentes níveis de infestações da doença. Os coeficientes de correlação dos valores previstos e dos dados observados foram 0,99 e 0,82 para dados de campo e dados de imagens de sensoriamento remoto, respectivamente. Além disso, previmos os dados de campo com base nos dados de imagem de sensoriamento remoto e previmos os dados de imagem de sensoriamento remoto com dados de campo usando a mesma estrutura de rede, e os resultados mostraram que o coeficiente de determinação foi 0,62 e 0,66, respectivamente. Nosso estudo sugeriu que uma RNA com treinamento de retropropagação poderia ser utilizada na previsão espectral no estudo.