Submitted by Erika Demachki (erikademachki@gmail.com) on 2014-08-26T18:59:21Z No. of bitstreams: 2 license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Branquinho (2011).pdf: 1481959 bytes, checksum: ddf79d2fa9222fdebd9ddefc24d9cc18 (MD5) / Made available in DSpace on 2014-08-26T18:59:22Z (GMT). No. of bitstreams: 2 license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Branquinho (2011).pdf: 1481959 bytes, checksum: ddf79d2fa9222fdebd9ddefc24d9cc18 (MD5) Previous issue date: 2011-12-19 / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / The objective of this study was to establish a consistent environmental stratification for the region of soybean cropping in Central Brazil, based on genotype by environment (GE) interaction analysis. For this, yield data from variety trials conducted by Embrapa Cerrados in partnership with others Brazilian institutions, during seven growing seasons (2002/03 to 2008/09), were used. The study covered six experimental sets that were related to the genotypes of three maturity groups (early, medium and late), and two commercial groups (soybean conventional and transgenic RR), totaling 559 trials analyzed. The statistical treatment of data was performed in two stages: first, analyses of variance were performed for each experiment, from which the estimates of treatment mean (combination of genotype and environment) were obtained. In the second stage the joint and GE interaction analyses were performed. Thus, the yield mean of each genotype in each environment were submitted to the AMMI analysis (Additive Main effects and Multiplicative Interaction model), that led to choose a model with only one principal component (AMMI1). As result of this analysis, the genotypes and environments were jointly represented in a scatter plot called biplot (graph that display the rows and columns of a matrix; in this case, genotypes and environments are marginal in this table). To stratify the target region, the approach of winner genotypes (Gauch & Zobel, 1997; Crop Sci. 37: 311-326) was used. In this approach each stratum is composed by locations that shared a same winner genotype (one that is the higher yielding mean ranking of a location). In the AMMI1 biplot, the boundaries of each stratum were identified by horizontal lines drawn from the ordinate points (scores) corresponding to the environment of transition between two strata, which are characterized by their winner genotypes. With this information, the environmental strata were established for each growing year and experimental set. The maturity groups of assessed lines determined the environmental stratification obtained. Thus, the following locations were grouped to other localities, presenting a characteristic of redundancy: a) early maturity group (seven strata): (Campo Novo do Parecis, Maracajú, São Miguel do Araguaia, Tangará da Serra); (Conquista, Nuporanga, Sidrolândia, Sorriso); (Cristalina, Iraí, Sacramento); (Montividiu, Sonora, Tapurah); (Capinópolis, Senador Canedo); (Guaíra, Morro Agudo); and (Lucas do Rio Verde, Sapezal); b) medium maturity group (four strata): (Anápolis, Montividiu, Tangará da Serra); (Barreiras, Campo Novo do Parecis, Uberaba-Chapadões); (Chapadão do Sul, Conquista, Maracajú, Sonora); and (São Gabriel, Sorriso, Uberaba-Epamig); c) late maturity group (five strata): (Campo Novo do Parecis, Planaltina, Senador Canedo, Tapurah); (Iraí, Sacramento, Sonora); (Lucas do Rio Verde, Sorriso); (Goiatuba, Tangará da Serra); and (Barreiras, São Desidério). Were also identified key-locations to conduct the trials in the final stage of genotypic evaluation (advanced variety trials): a) early maturity group: Anápolis, Barretos, Campos de Júlio, Capinópolis, Chapadão do Céu, Chapadão do Sul, Goiatuba, Igarapava, Jataí, Luziânia, Morro Agudo, Planaltina, Primavera do Leste, Sacramento, São Gabriel do Oeste, São Miguel do Araguaia, Sapezal, Sidrolândia, Sonora, Uberaba-Chapadões, Uberaba-Epamig e Unaí;b) medium maturity group: Barreiras, Barretos, Campo Alegre, Campos de Júlio,Capinópolis, Chapadão do Céu, Chapadão do Sul, Cristalina, Goiatuba, Iraí, Jataí, Lucas do Rio Verde, Luziânia, Montividiu, Perolândia, Planaltina, Primavera do Leste, Rio Verde, Sacramento, São Desidério, Senador Canedo, Sorriso e Unaí; c) late maturity group: Anápolis, Campo Alegre, Campo Novo do Parecis, Campos de Júlio, Capinópolis, Chapadão do Céu, Chapadão do Sul, Cristalina, Goiatuba, Jataí, Luziânia, Montividiu, Primavera do Leste, Rio Verde, São Desidério, São Gabriel do Oeste, Sonora, Sorriso, Uberaba-Chapadões, Uberaba-Epamig e Unaí. Finally, among the locations recommended for the network of advanced trials, one was also appointed as key-location to conduct the initial stages of genotypes assessment in each maturity group. The locations Campos de Júlio (to early group), Rio Verde (medium and late groups) were in order indicated because resulted the best rankings of the winner genotypes through the target region. / O objetivo deste estudo foi estabelecer uma estratificação ambiental consistente para a região de cultivo comercial da soja, no Brasil Central, a partir de análise da interação entre genótipos e ambientes (GxA). Para isso, foram utilizados dados de produtividade de grãos, provenientes de ensaios de Valor de Cultivo e Uso (VCU) conduzidos pela Embrapa Cerrados, em parceria com outras instituições de pesquisa na região, durante sete anos agrícolas (2002/03 a 2008/09). O estudo envolveu seis conjuntos experimentais, correspondentes aos genótipos de três grupos de maturação (precoce, médio e tardio) e dois grupos comerciais (soja convencional e transgênica RR), totalizando 559 ensaios analisados. O tratamento estatístico dos dados foi feito em duas etapas: na primeira, foram realizadas análises de variância para cada experimento; e, a partir disto, estimaram-se as médias dos tratamentos (combinação entre genótipos e ambientes). A segunda etapa correspondeu às análises conjuntas da variação. Nessa etapa, as médias de produtividade de cada genótipo em cada ambiente foram submetidas à análise AMMI (Additive Main Effects and Multiplicative Interaction Model); e, neste caso, o modelo com apenas um eixo principal (AMMI1) foi o escolhido. Por último, os genótipos e os ambientes foram representados de forma conjunta em gráfico de dispersão denominado biplot (gráfico que representa as linhas e as colunas de uma matriz; neste caso, genótipos e ambientes estão nas marginais dessa tabela). Para a estratificação da região alvo, foi utilizada a abordagem de genótipos vencedores (Gauch & Zobel, 1997; Crop Sci. 37: 311- 326). Neste método, cada estrato é formado pelos locais que compartilham um mesmo genótipo vencedor (aquele que lidera a classificação de produtividades médias num dado local). No biplot AMMI1, os limites de cada estrato foram identificados por linhas horizontais, traçadas a partir dos pontos (escores) de ordenadas correspondentes aos ambientes de transição entre dois estratos, os quais são caracterizados pelos respectivos genótipos vencedores. De posse dessas informações, os estratos ambientais foram determinados para cada ano agrícola e conjunto experimental. O zoneamento ambiental ficou condicionado ao grupo de maturação das linhagens avaliadas. Assim, os seguintes locais agruparam-se a outras localidades, apresentando, portanto, característica de redundância: a) ciclo precoce (sete estratos): (Campo Novo do Parecis, Maracajú, São Miguel do Araguaia, Tangará da Serra); (Conquista, Nuporanga, Sidrolândia, Sorriso); (Cristalina, Irai, Sacramento); (Montividiu, Sonora, Tapurah); (Capinópolis, Senador Canedo); (Guaíra, Morro Agudo); e (Lucas do Rio Verde, Sapezal); b) ciclo médio (quatro estratos): (Anápolis, Montividiu, Tangará da Serra); (Barreiras, Campo Novo do Parecis, Uberaba-Chapadões); (Chapadão do Sul, Conquista, Maracajú, Sonora); e (São Gabriel, Sorriso, Uberaba-Epamig); c) ciclo tardio (cinco estratos): (Campo Novo do Parecis, Planaltina, Senador Canedo, Tapurah); (Iraí, Sacramento, Sonora); (Lucas do Rio Verde, Sorriso); (Goiatuba, Tangará da Serra); e (Barreiras, São Desidério). Foram, ainda, identificados os locais-chave para a condução dos ensaios na fase final da avaliação (ensaios de VCU): a) ciclo precoce: Anápolis, Barretos, Campos de Júlio, Capinópolis, Chapadão do Céu, Chapadão do Sul, Goiatuba, Igarapava, Jataí, Luziânia, Morro Agudo, Planaltina, Primavera do Leste, Sacramento, São Gabriel do Oeste, São Miguel do Araguaia, Sapezal, Sidrolândia, Sonora, Uberaba-Chapadões, Uberaba-Epamig e Unaí; b) ciclo médio: Barreiras, Barretos, Campo Alegre, Campos de Júlio, Capinópolis, Chapadão do Céu, Chapadão do Sul, Cristalina, Goiatuba, Iraí, Jataí, Lucas do Rio Verde, Luziânia, Montividiu, Perolândia, Planaltina, Primavera do Leste, Rio Verde, Sacramento, São Desidério, Senador Canedo, Sorriso e Unaí; c) ciclo tardio: Anápolis, Campo Alegre, Campo Novo do Parecis, Campos de Júlio, Capinópolis, Chapadão do Céu, Chapadão do Sul, Cristalina, Goiatuba, Jataí, Luziânia, Montividiu, Primavera do Leste, Rio Verde, São Desidério, São Gabriel do Oeste, Sonora, Sorriso, Uberaba-Chapadões, Uberaba-Epamig e Unaí. Por fim, entre os locais recomendados para a rede de ensaios de VCU, em cada grupo de maturação, indicou-se também um local-chave para a condução das fases iniciais do processo de avaliação. Os locais Campos de Júlio (para o grupo precoce) e Rio Verde (grupos médio e tardio) foram, então, indicados por resultarem nas melhores classificações dos genótipos vencedores ao longo da região alvo do estudo.

Testing, verification and validation of sensors, components and systems is vital in the early-stage development of new cars with computer-in-the-car architecture. This can be done with the help of the existing technique, hardware-in-the-loop (HIL) testing which, in the close loop testing case, consists of four main parts: Real-Time Simulation Platform, Sensor Simulation PC, Interface Unit (IU), and unit under test which is, for instance, a Vehicle Computing Unit (VCU). The purpose of this degree project is to research and develop a proof of concept for in-house development of an image injection solution (IIS) on the IU in the HIL testing environment. A proof of concept could confirm that editing, customizing, and having full control of the IU is a possibility. This project was initiated by Volvo Cars to optimize the use of the HIL testing environment currently available, making the environment more changeable and controllable while the IIS remains a static system. The IU is an MPSoC/FPGA based design that uses primarily Xilinx hardware and software (Vivado/Vitis) to achieve the necessary requirements for image injection in the HIL testing environment. It consists of three stages in series: input, image processing, and output. The whole project was divided in three parts based on the three stages and carried out at Volvo Cars in cooperation by three students, respectively. The author of this thesis was responsible for the output stage, where the main goal was to find a solution for converting, preferably, AXI4 RAW12 image data into data on CSI2 format. This CSI2 data can then be used as input to serializers, which in turn transmit the data via fiber-optic cable on GMSL2 format to the VCU. Associated with the output stage, extensive simulations and hardware tests have been done on a preliminary solution that partially worked on the hardware, producing signals in parts of the design that could be read and analyzed. However, a final definite solution that fully functions on the hardware has not been found, because the work is at the initial phase of an advanced and very complex project. Presented in this thesis is: important theory regarding, for example, protocols CSI2, AXI4, GMSL2, etc., appropriate hardware selection for an IIS in HIL (FPGA, MPSoC, FMC, etc.), simulations of AXI4 and CSI2 signals, comparisons of those simulations with the hardware signals of an implemented design, and more. The outcome was heavily dependent on getting a certain hardware (TEF0010) to transmit the GMSL2 data. Since the wrong card was provided, this was the main problem that hindered the thesis from reaching a fully functioning implementation. However, these results provide a solid foundation for future work related to image injection in a HIL environment.