"Ciências Básicas para o Desenvolvimento Sustentável"
24 a 26 de outubro de 2023
Trabalho 18663
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Agrárias |
| Área temática | Agronomia |
| Setor | Departamento de Agronomia |
| Conclusão de bolsa | Não |
| Apoio financeiro | FAPEMIG |
| Primeiro autor | João Marcelo Vieira Alves Filho |
| Orientador | LUCAS DE PAULA CORREDO |
| Outros membros | MATEUS PEREIRA GONZATTO, Paulo Sérgio Ribeiro de Souza, Pedro Augusto Marazzo de Sousa |
| Título | Inteligência artificial e fusão de dados de sensoriamento remoto orbital e proximal para predição de produtividade em pomares de citros |
| Resumo | A aprendizagem de máquina (ML) está transformando a agricultura ao utilizar dados brutos e algoritmos para ajudar os agricultores a tomarem decisões mais inteligentes, melhorar a produção de culturas e aprimorar a sustentabilidade nas práticas agrícolas. A aquisição de dados brutos levou a novas abordagens utilizando o aprendizado de máquina. Por meio de algoritmos de ML, pode-se analisar bases de dados do histórico do clima, irrigação, adubação, junto a características das plantas para conseguir prever a produtividade. O objetivo central do estudo realizado é criar um algoritmo que consiga prever o rendimento de frutos de citros para mapear a variabilidade espacial da produtividade. Foram utilizados dados de produtividade colhidos com GPS. Por meio do sensor ótico baseado em Inteligência Artificial se extraiu informações a partir de imagens, fornecendo as seguintes variáveis: diâmetro dos frutos, frutos colhidos e densidade foliar. Já as imagens por satélite prover os seguintes dados: altitude, declividade, horas de Sol e bandas multiespectrais, vermelho, azul, verde e infravermelho próximo. Esses dados foram processados a fim de determinar índices de vegetação. O algoritmo de regressão utilizado foi Random Forrest Regression. Como métricas de avaliação para medir a eficiência do algoritmo foi adotado o erro médio absoluto, raiz quadrada do erro médio e o coeficiente de determinação, com os seguintes valores obtidos, 5.0485 (Erro Médio Absoluto), 0.2095 (Raiz Quadrada do Erro Médio), 0.8775 (R²). O algoritmo também nos fornece a importância de cada característica usada no modelo para fazer sua predição, variando de 0 a 1, com os conjuntos de dados usados os atributos mais importantes foram: altitude (0.6676), frutos colhidos (0.0672) e densidade foliar (0.0610). Diante dos resultados encontrados, constatou-se que existe a possibilidade de usar técnicas de ML baseadas em sensoriamento remoto óptico proximal e remoto como método de predizer a produtividade para citrus. |
| Palavras-chave | Agricultura digital, agricultura de precisão, variabilidade espacial |
| Forma de apresentação..... | Vídeo |
| Link para apresentação | Vídeo |
|---|