[ Etude comparée de la croissance prédite par les réseaux de neurone artificiels et la croissance expérimentale de la tomate (Lycopersicum esculentum) dans la région de Daloa (Côte d’Ivoire) ]
Volume 39, Issue 1, March 2023, Pages 507–516
GNAMIEN Yah Gwladys1, VOUI Bi Bianuvrin Noël Boué2, KOUAME N’Guessan3, Kouassi N’dri Jacob4, N’GUESSAN Constant Koffi5, Assidjo Nogbou Emmanuel6, and Justin Yatty KOUADIO7
1 Université Jean Lorougnon GUEDE (UJLoG), Laboratoire d’Amélioration de la Production Agricole, UFR Agroforesterie, BP 150 Daloa, Côte d’Ivoire
2 Université Jean Lorougnon GUEDE (UJLoG), Laboratoire d’Amélioration de la Production Agricole, UFR Agroforesterie, BP 150 Daloa, Côte d’Ivoire
3 Université Jean Lorougnon GUEDE (UJLoG), Laboratoire d’Amélioration de la Production Agricole, UFR Agroforesterie, BP 150 Daloa, Côte d’Ivoire
4 Laboratoire d’Amélioration de la Production Agricole, UFR Agroforesterie, Université Jean Lorougnon GUEDE (UJLoG), BP 150 Daloa, Côte d’Ivoire
5 Université Jean Lorougnon GUEDE (UJLoG), Laboratoire d’Amélioration de la Production Agricole, UFR Agroforesterie, BP 150 Daloa, Côte d’Ivoire
6 UMRI Sciences des Procédés Alimentaires Chimiques et Environnementaux, Institut National Polytechnique Félix Houphouët-Boigny (INP-HB), BP 1313 Yamoussoukro, Côte d’Ivoire
7 Unité de Formation et de Recherche en Agroforesterie, Université Jean Lorougnon Guédé, BP 150 Daloa, Côte d'Ivoire
Original language: French
Copyright © 2023 ISSR Journals. This is an open access article distributed under the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.
The present study consists to using artificial neural networks to create mathematical models allowing to predict the growth of tomato plants and to compare them to the growth in real time in order to control the productivity of the tomato. Tomato growth was modeled by an empirical model using artificial neural networks as a tool through a program developed in the Matlab R2010b software. Mathematical models were developed to predict the growth of the tomato plant for the number of leaves, leaf length and width, height and circumference of the plant. The experiments were carried out in the regions of High Sassandra (Daloa, Côte d’Ivoire). The coefficients of determination between the experimental measurements and the measurements predicted by artificial neural networks are respectively 0.9722; 0.9925; 0.997; 0.9945 and 0.9926 for plant height; the number of sheets; the circumference of the plant; leaf length and leaf width. These results are satisfactory insofar as all the coefficients of determination (R2) are greater than 0.97. Likewise, the curves representing the predicted values and the experimental values have practically the same appearances or even confused. These results show a good interpolation between the experimental values and those predicted by the mathematical models.
Author Keywords: Tomato, Growth, Modeling, Neural networks, Mathematical models.
Volume 39, Issue 1, March 2023, Pages 507–516
GNAMIEN Yah Gwladys1, VOUI Bi Bianuvrin Noël Boué2, KOUAME N’Guessan3, Kouassi N’dri Jacob4, N’GUESSAN Constant Koffi5, Assidjo Nogbou Emmanuel6, and Justin Yatty KOUADIO7
1 Université Jean Lorougnon GUEDE (UJLoG), Laboratoire d’Amélioration de la Production Agricole, UFR Agroforesterie, BP 150 Daloa, Côte d’Ivoire
2 Université Jean Lorougnon GUEDE (UJLoG), Laboratoire d’Amélioration de la Production Agricole, UFR Agroforesterie, BP 150 Daloa, Côte d’Ivoire
3 Université Jean Lorougnon GUEDE (UJLoG), Laboratoire d’Amélioration de la Production Agricole, UFR Agroforesterie, BP 150 Daloa, Côte d’Ivoire
4 Laboratoire d’Amélioration de la Production Agricole, UFR Agroforesterie, Université Jean Lorougnon GUEDE (UJLoG), BP 150 Daloa, Côte d’Ivoire
5 Université Jean Lorougnon GUEDE (UJLoG), Laboratoire d’Amélioration de la Production Agricole, UFR Agroforesterie, BP 150 Daloa, Côte d’Ivoire
6 UMRI Sciences des Procédés Alimentaires Chimiques et Environnementaux, Institut National Polytechnique Félix Houphouët-Boigny (INP-HB), BP 1313 Yamoussoukro, Côte d’Ivoire
7 Unité de Formation et de Recherche en Agroforesterie, Université Jean Lorougnon Guédé, BP 150 Daloa, Côte d'Ivoire
Original language: French
Copyright © 2023 ISSR Journals. This is an open access article distributed under the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.
Abstract
The present study consists to using artificial neural networks to create mathematical models allowing to predict the growth of tomato plants and to compare them to the growth in real time in order to control the productivity of the tomato. Tomato growth was modeled by an empirical model using artificial neural networks as a tool through a program developed in the Matlab R2010b software. Mathematical models were developed to predict the growth of the tomato plant for the number of leaves, leaf length and width, height and circumference of the plant. The experiments were carried out in the regions of High Sassandra (Daloa, Côte d’Ivoire). The coefficients of determination between the experimental measurements and the measurements predicted by artificial neural networks are respectively 0.9722; 0.9925; 0.997; 0.9945 and 0.9926 for plant height; the number of sheets; the circumference of the plant; leaf length and leaf width. These results are satisfactory insofar as all the coefficients of determination (R2) are greater than 0.97. Likewise, the curves representing the predicted values and the experimental values have practically the same appearances or even confused. These results show a good interpolation between the experimental values and those predicted by the mathematical models.
Author Keywords: Tomato, Growth, Modeling, Neural networks, Mathematical models.
Abstract: (french)
La présente étude consiste à utiliser les réseaux de neurones artificiels pour créer des modèles mathématiques permettant de prévoir la croissance des plantes de tomate et de les comparer à la croissance en temps réel afin de maitriser la productivité de la tomate. La modélisation de la croissance de la tomate a été assurée par un modèle empirique utilisant comme outil les réseaux de neurones artificiels à travers un programme élaboré dans le logiciel Matlab R2010b. Les modèles mathématiques ont été élaborés pour prévoir la croissance de la plante de tomate pour le nombre de feuilles, la longueur et la largeur des feuilles, la hauteur et la circonférence de la plante. Les expérimentations ont été effectuées dans les régions du Haut Sassandra (Daloa, Côte d’Ivoire). Les coefficients de détermination entre les mesures expérimentales et les mesures prédites par les réseaux de neurones artificiels sont respectivement de 0,9722; 0,9925; 0,997; 0,9945 et 0,9926 pour la hauteur de la plante; le nombre de feuille; la circonférence de la plante; la longueur des feuilles et la largeur des feuilles. Ces résultats sont satisfaisants dans la mesure où tous les coefficients de détermination (R2) sont supérieurs à 0,97. De même, les courbes illustrant les valeurs prédites et les valeurs expérimentales ont pratiquement les mêmes allures voire confondues. Ces résultats montrent une bonne interpolation entre les valeurs expérimentales et celles prédites par les modèles mathématiques.
Author Keywords: Tomate, Croissance, Modélisation, Réseau de neurones, Modèles mathématiques.
How to Cite this Article
GNAMIEN Yah Gwladys, VOUI Bi Bianuvrin Noël Boué, KOUAME N’Guessan, Kouassi N’dri Jacob, N’GUESSAN Constant Koffi, Assidjo Nogbou Emmanuel, and Justin Yatty KOUADIO, “Comparative study of the growth predicted by the artificial neural networks and the experimental growth of tomato (Lycopersicum esculentum) in the Daloa region (Côte d’Ivoire),” International Journal of Innovation and Applied Studies, vol. 39, no. 1, pp. 507–516, March 2023.
