
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.creator | Alves, Marcelo de Carvalho | - |
| Autor(es): dc.creator | Pozza, Edson Ampélio | - |
| Autor(es): dc.creator | Costa, João de Cássia do Bonfim | - |
| Autor(es): dc.creator | Carvalho, Luiz Gonsaga de | - |
| Autor(es): dc.creator | Alves, Luciana Sanches | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:14:52Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:14:52Z | - |
| Data de envio: dc.date.issued | 2018-01-24 | - |
| Data de envio: dc.date.issued | 2018-01-24 | - |
| Data de envio: dc.date.issued | 2011-09 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/28446 | - |
| Fonte completa do material: dc.identifier | https://www.sciencedirect.com/science/article/pii/S1364815211000831#! | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1157465 | - |
| Descrição: dc.description | The objective of this work was to develop and to evaluate adaptive neuro-fuzzy inference systems as methodology to describe the severity of soybean rust (Phakopsora pachyrhizi) monocyclic process in soybean [Glycine max (L.) Merr.], under effects of leaf wetness, temperature, and days after fungi inoculation. The experiment was conducted in growth chambers with mean air temperatures of 15, 20, 25 and 30 °C and leaf wetness periods of 6, 12, 18 and 24 h. The plants were inoculated by spraying a suspension of P. pachyrhizi inoculum at concentration of 104 uredinospore mL−1. A disease assessment key was adopted for estimate amounts of soybean rust at 0, 6, 9, 12 and 15 days after fungi inoculation. A hybrid neural network training with 3 and 3000 epochs was applied to disease severity data for optimization of fuzzy system parameters used to describe the severity of soybean rust based on leaf wetness, temperature and days after fungi inoculation. Higher accuracy and precision of the neuro-fuzzy systems estimates were obtained after training with 3000 epochs. Nevertheless, training with 3 epochs produced smoother estimates. The neuro-fuzzy systems enabled to describe the severity of soybean rust monocyclic process under effects of leaf wetness, mean air temperature and days after fungi inoculation and was better applied for Conquista cultivar, followed by Savana and Suprema cultivars. Higher soybean rust severity was verified under temperatures among 20 °C and 25 °C, leaf wetness above 6 h, with higher values above 10 h, and 15 days after fungi inoculation. Temperatures near 15 °C increased the latent period of the disease but not inhibited its development after 10 days of fungi inoculation. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Elsevier | - |
| Direitos: dc.rights | acesso aberto | - |
| ???dc.source???: dc.source | Environmental Modelling and Software | - |
| Palavras-chave: dc.subject | Soybean – Diseases and pests | - |
| Palavras-chave: dc.subject | Neural networks (Computer science) | - |
| Palavras-chave: dc.subject | Plant diseases – Computational models | - |
| Palavras-chave: dc.subject | Soja – Doenças e pragas | - |
| Palavras-chave: dc.subject | Redes neurais (Computação) | - |
| Palavras-chave: dc.subject | Fitopatologia – Modelos computacionais | - |
| Palavras-chave: dc.subject | Glycine max | - |
| Palavras-chave: dc.subject | Phakopsora pachyrhizi | - |
| Título: dc.title | Adaptive neuro-fuzzy inference systems for epidemiological analysis of soybean rust | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: