Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Federal de Mato Grosso do Sul (UFMS) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | State University of Mato Grosso (UNEMAT) | - |
Autor(es): dc.creator | Silva, Meessias Antônio da | - |
Autor(es): dc.creator | Campos, Cid Naudi Silva | - |
Autor(es): dc.creator | Prado, Renato de Mello | - |
Autor(es): dc.creator | Santos, Alessandra Rodrigues dos | - |
Autor(es): dc.creator | Candido, Ana Carina da Silva | - |
Autor(es): dc.creator | Santana, Dthenifer Cordeiro | - |
Autor(es): dc.creator | Oliveira, Izabela Cristina de | - |
Autor(es): dc.creator | Baio, Fábio Henrique Rojo | - |
Autor(es): dc.creator | Silva Junior, Carlos Antonio da | - |
Autor(es): dc.creator | Teodoro, Larissa Pereira Ribeiro | - |
Autor(es): dc.creator | Teodoro, Paulo Eduardo | - |
Data de aceite: dc.date.accessioned | 2025-08-21T16:54:20Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T16:54:20Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-10-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.infrared.2024.105524 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/305992 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/305992 | - |
Descrição: dc.description | Flavonoids are compounds resulting from secondary plant metabolism that provide benefits to human health by food. This study aimed to accuracy of predicting flavonoids in maize plants subjected to different nitrogen rates using hyperspectral reflectance and machine learning (ML) algorithms. The experiment was carried out in randomized blocks in a 4 × 5 factorial design (four N inputs: 0; 30; 60 and 120 % of the recommended N input; and five readings of the reflectance spectra in maize leaves from different vegetative stages: V6, V8, V10, V12 and V14, in four replications, totaling 80 treatments. N rates were applied in the V4 and V8 phenological stages, using urea as the N source. For hyperspectral analysis, four leaves from each treatment were collected and analyzed using a spectroradiometer (FieldSpec 4 HRes, Analytical Spectral Devices), capturing the spectrum in the 350 to 2500 nm range. Subsequently, the leaf samples used in the reflectance readings were dried, ground and subjected to isoflavone quantification, analyzed by ultra-performance liquid chromatography in three repetitions, quantifying daidzein 1 (D1), daidzein 2 (D2), genistein 1 (G1), genistein 2 (G2), and total isoflavones. Data obtained was subjected to machine learning analysis, testing two data set input configurations: wavelengths (WL) and calculated spectral bands (B), and D1, D2, G1, G2 and total isoflavones as output variables. The ML algorithms tested were artificial neural networks (ANN), REPTree (DT), M5P decision tree (M5P), ZeroR (R), Random Forest (RF) and support vector machine (SVM), evaluated according to their performance by the correlation coefficient (r) and mean absolute error (MAE). The results show that the SVM algorithm had the highest accuracy in predicting the variables D1, D2, G1, G2 and total isoflavones, outperforming the other algorithms when WL was used as input in dataset. | - |
Descrição: dc.description | Fundação de Apoio ao Desenvolvimento do Ensino, Ciência e Tecnologia do Estado de Mato Grosso do Sul | - |
Descrição: dc.description | Federal University of Mato Grosso do Sul (UFMS) Chapadão do Sul, MS | - |
Descrição: dc.description | Departament of Soil and Fertilizers Universidade Estadual Paulista “Júlio de Mesquita Filho” UNESP/FCAV | - |
Descrição: dc.description | Department of Geography State University of Mato Grosso (UNEMAT), MT | - |
Descrição: dc.description | Departament of Soil and Fertilizers Universidade Estadual Paulista “Júlio de Mesquita Filho” UNESP/FCAV | - |
Descrição: dc.description | Fundação de Apoio ao Desenvolvimento do Ensino, Ciência e Tecnologia do Estado de Mato Grosso do Sul: 07/2022 | - |
Descrição: dc.description | Fundação de Apoio ao Desenvolvimento do Ensino, Ciência e Tecnologia do Estado de Mato Grosso do Sul: 149/2024 | - |
Descrição: dc.description | Fundação de Apoio ao Desenvolvimento do Ensino, Ciência e Tecnologia do Estado de Mato Grosso do Sul: 318/2022 | - |
Descrição: dc.description | Fundação de Apoio ao Desenvolvimento do Ensino, Ciência e Tecnologia do Estado de Mato Grosso do Sul: 88/2021 | - |
Descrição: dc.description | Fundação de Apoio ao Desenvolvimento do Ensino, Ciência e Tecnologia do Estado de Mato Grosso do Sul: 94/2023 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Infrared Physics and Technology | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Computational intelligence | - |
Palavras-chave: dc.subject | Flavonoids | - |
Palavras-chave: dc.subject | Isoflavones | - |
Palavras-chave: dc.subject | Spectroradiometry | - |
Palavras-chave: dc.subject | Support vector machine | - |
Título: dc.title | Prediction of secondary metabolites in maize under different nitrogen inputs by hyperspectral sensing and machine learning | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: