期刊名称：Revista Brasileira de Engenharia Agrícola e Ambiental
印刷版ISSN：1415-4366
电子版ISSN：1807-1929
出版年度：2018
卷号：22
期号：3
页码：183-188
DOI：10.1590/1807-1929/agriambi.v22n3p183-188
出版社：Departamento de Engenharia Agrícola - UFCG / Cnpq
摘要：RESUMO O uso de inteligência artificial pode representar uma estratégia eficiente de simulação e otimização de processos importantes na agricultura. O objetivo deste estudo é propor o uso de inteligência artificial via redes neurais artificiais e algoritmos genéticos, respectivamente, na simulação da produtividade de grãos de aveia (Avena sativa) e na otimização da densidade de semeadura, nos principais sistemas de sucessão do sul do Brasil. O estudo foi conduzido em blocos ao acaso com quatro repetições em esquema fatorial 4 x 2, para as densidades de semeadura (100, 300, 600 e 900 sementes m-2) e cultivares de aveia (Brisasul e URS Taura), nos sistemas de sucessão milho/aveia e soja/aveia. Implementou-se uma rede neural artificial de múltiplas camadas e um algoritmo genético, em linguagem de programação Java, e comparou-se os resultados obtidos desta implementação com análises tradicionais de regressão polinomial. O uso de inteligência artificial via redes neurais artificiais e algoritmos genéticos permite simular com eficiência a produtividade de grãos de aveia e melhor otimização da densidade de semeadura na comparação com regressão polinomial, considerando os principais sistemas de sucessão no sul do Brasil.
其他摘要：ABSTRACT Artificial intelligence may represent an efficient strategy for simulation and optimization of important processes in agriculture. The main goal of the study is to propose the use of artificial intelligence, namely artificial neural networks and genetic algorithms, respectively, in the simulation of oat grain yield and optimization of seeding density, considering the main succession systems of southern Brazil. The study was conducted in a randomized complete block design with four replicates, following a 4 x 2 factorial scheme, for seeding densities (100, 300, 600 and 900 seeds m-2) and oat cultivars (Brisasul and URS Taura), in succession systems of corn/oats and soybean/oats. A multi-layered artificial neural network and a genetic algorithm were implemented in Java programming language, and the results obtained from this implementation were compared with traditional polynomial regression. The use of artificial intelligence through neural networks and genetic algorithms allows the efficient simulation of oat grain yield and better optimization of seeding density in comparison to polynomial regression, considering the main succession systems in southern Brazil.
