Seletividade de herbicidas sobre arroz irrigado em resposta à época de semeadura e redução da luminosidade em fases do desenvolvimento

RESUMO Diferentes fatores ambientais podem afetar a seletividade de herbicidas às culturas. O objetivo deste experimento foi avaliar os efeitos da época de semeadura e da redução artificial da luminosidade, em diferentes fases do desenvolvimento das plantas, sobre a seletividade de herbicidas e os componentes de produtividade do arroz irrigado. O experimento foi conduzido a campo, na safra 2012/2013, com o cultivar IRGA 424. Os fatores estudados foram: época de semeadura (18/outubro e 09/novembro); herbicidas (testemunha capinada, bispyribac-sodium e penoxsulam) e fases do desenvolvimento da cultura com luminosidade reduzida de 70% [testemunha, plântula (S0-V4), períodos vegetativo, reprodutivo e todo o ciclo]. Foi utilizado o delineamento inteiramente casualizado, em esquema fatorial, com quatro repetições, sendo que os fatores época de semeadura e redução de luminosidade foram dispostos em faixas, visando a viabilizar o experimento. Avaliaram-se: fitotoxicidade visual, colmos e panículas por área, espiguetas por panícula, esterilidade de espiguetas, peso de 1000 sementes e produtividade. Os dados foram submetidos à análise de variância pelo teste F (p≤0,05) e teste de médias de DMS de Fischer (p≤0,05). A época de semeadura influencia na seletividade de bispyribac-sodium, sendo que, quando realizada a semeadura perto do início do período recomendado, em 18/outubro, reduz-se a produtividade do cultivar estudado. A redução artificial de luz em diferentes fases do desenvolvimento não afeta a seletividade dos herbicidas bispyribac-sodium e penoxsulam sobre o arroz irrigado.

DESENVOLVIMENTO DE UM CLASSIFICADOR PARA ANÁLISE BIOMÉTRICA DE UM COLETE INSTRUMENTADO PARA REEDUCAÇÃO POSTURAL

Ao longo dos tempos tem existido um avanço, nas empresas, dirigido à preocupação com o bemestar dos trabalhadores, adotando por isso medidas preventivas. A formação especializada em Medicina do Trabalho é indispensável para o exercício de atividades de prevenção dos riscos profissionais e de promoção da saúde. A postura corporal pode ser definida como a posição e a orientação global do corpo e membros relativamente uns aos outros. Qualquer desvio na forma da coluna vertebral pode gerar solicitações funcionais prejudiciais que ocasionam um aumento de fadiga no trabalhador e leva ao longo do tempo a lesões graves. Cada vez mais surgem doenças profissionais provocadas pela adoção de más posturas, na realização de tarefas diárias dos trabalhadores. A boa postura corporal é uma tarefa específica que representa uma interação complexa entre a função biomecânica e neuromuscular. No presente plano de dissertação foram estudados diferentes classificadores tendo como objetivo classificar boas e más posturas corporais de trabalhadores em contexto de trabalho. Assim foram estudados diferentes classificadores de machine learnig, redes neuronais artificiais, support vector machine, árvores de decisão, análise discriminante, regressão logística, treebagger e naíve bayes. Para treino de classificadores foi realizada a aquisição tridimensional da postura da espinha a 100 pessoas, passando por uma parametrização e treino de diferentes classificadores para a determinação automática do tipo de postura corporal. O classificador que obteve melhor desempenho foi o Treebagger com uma classificação para True Positive de 93,3% e True Negative de 96,2%.