"Ciências Básicas para o Desenvolvimento Sustentável"

24 a 26 de outubro de 2023

Trabalho 18229

ISSN 2237-9045
Instituição Universidade Federal de Viçosa
Nível Graduação
Modalidade Pesquisa
Área de conhecimento Ciências Agrárias
Área temática Inteligência Artificial
Setor Departamento de Zootecnia
Bolsa CNPq
Conclusão de bolsa Não
Apoio financeiro CNPq, FAPEMIG, Outros
Primeiro autor Thauane Cordeiro Soares
Orientador FERNANDA HELENA MARTINS CHIZZOTTI
Outros membros DOMINGOS SARVIO MAGALHAES VALENTE, Lara Gabriely Silva Moura, Luciano Raimundo Monteiro, Priscíla dos Santos Evangelista
Título Predição da altura em pastos de Urochloa decumbens por meio de aeronave remotamente pilotada
Resumo O manejo do pastejo com base na altura ideal para cada espécie compreende um método prático que garante melhor valor nutricional do pasto bem como sua perenidade. Entretanto, embora seja uma ferramenta de manejo relativamente simples, a medição a campo se torna trabalhosa devido às extensas áreas e grande variabilidade espacial e temporal das pastagens. Assim, objetivou-se desenvolver um modelo de classificação automatizada de faixas de altura do dossel de Urochloa decumbens (Sin. Brachiaria decumbens) cv. Basilisk utilizando análises de imagens aéreas obtidas através de sensor multiespectral embarcado em drone e técnicas de aprendizagem de máquinas. Foram utilizadas 40 imagens aéreas de 30 parcelas de 3m2 de U. decumbens manejados com diferentes idades de rebrotação, obtidas entre os anos de 2019 e 2021. As imagens foram processadas para cálculo dos Índices de Vegetação e o algoritmo Random Forest foi utilizado para desenvolver o modelo de classificação com base em dados de referência mensurados a campo. Com base nas recomendações de altura para manejo do pastejo para esta gramínea, foram definidas 3 classes de altura, sendo: classe 0 (< 12 cm); classe 1 (12 - 20 cm) e classe 2 (> 20 cm). De forma geral, o modelo foi capaz de classificar corretamente a altura de 21 canteiros (70% do total), onde as probabilidades de acerto eram superiores a 53,8%. Os maiores erros de classificação ocorreram entre as classes próximas, ou seja, entre 1 e 2 ou entre 0 e 1, porém, esses erros ocorreram quando as probabilidades de acerto eram baixas. Nesses casos, sugere-se que o responsável técnico deve se certificar da informação por meio da mensuração ou avaliação visual à campo. O modelo proposto demonstrou potencial de aplicação prática combinando as informações entre a classe determinada pelo algoritmo e as respectivas probabilidades de acerto para cada classe. Conclui-se que o sensoriamento remoto por meio de aeronave remotamente pilotada e aprendizado de máquinas, possui potencial para predizer altura de U. decumbens. Contudo mais estudos devem conduzidos para aprimorar o modelo proposto.
Palavras-chave drone, inteligência artificial, pastagem
Forma de apresentação..... Painel
Link para apresentação Painel
Gerado em 0,60 segundos.