Autores: BATISTA, G. S. S., VALENTE, G. F., SILVA, V. F. A., LOPES, C. C., SILVA, J. N., FERRAZ, G. A. S.
Ano da publicação: 2023
ISSN: 2358-582X
Palavras-chave: Agricultura de precisão; Compactação do solo; Geoestatística.
Área: Agricultura Digital (AD)
O uso intensivo do solo no sistema de cultivo comercial de açaí em terra firme pode levar a um efeito negativo das propriedades físicas do solo e no potencial produtivo das culturas. O objetivo deste trabalho foi mapear a distribuição espacial da resistência mecânica do solo a penetração (RMSP) e umidade do solo (U%) em uma área de produção agroindustrial de Açaí localizado na cidade de Parauapebas-PA. A RMSP e umidade do solo foram avaliadas nas profundidades 0–20 e 20-40 cm em grade amostral aleatória de 45 pontos georreferenciadas. A RMSP foi mensurada utilizando o Medidor Eletrônico de Compactação do Solo. Para determinação da umidade do solo (U%), foi utilizado o método da estufa em laboratório. A modelagem geoestatística de RMSP e U% foram realizadas no software Qgis. Os mapas foram gerados pelo método de interpolação por krigagem. Os modelos que melhor se ajustaram aos semivariogramas foram o Exponencial e Gaussiano para todos os atributos. Na maioria dos parâmetros estudados apresentaram variabilidade espacial com índice de dependência espacial forte ou moderado. O mapeamento evidenciou zonas crítica para a RMSP (> 2,5 MPa) e as zonas críticas de umidade (< 14%).
Autores: ENES. A. M., SANTOS, A. B., CONCEICAO, K. M. C., ANDRADE, V. J. S., SANTOS. M. F.M., PEREIRA. D. A.
Palavras-chave: Biospeckle laser, umidade do solo, dispositivo portátil.
Este estudo avaliou a eficiência de um dispositivo portátil adaptado de biospeckle laser para estabelecer uma correlação entre a umidade do solo e o Momento de Inércia (MI). Foi utilizado o método de Pearson para realizar um estudo de correlação estatística entre os valores de MI e os valores de umidade do solo. O sistema de aquisição foi constituído por um laser HeNe de 632 nm de comprimento de onda, um microscópio digital XTrad e um Raspberry Pi 3 modelo B+ para processamento de dados e geração dos valores de MI. Procedeu-se à análise de variância para os valores de MI para os 5 níveis de umidade e 100 repetições. O objetivo é contribuir para o desenvolvimento de uma ferramenta confiável e conveniente para o monitoramento não invasivo da umidade do solo, facilitando melhores práticas de manejo da água em sistemas agrícolas. Os resultados mostraram que é possível obter uma correlação satisfatória. Conclui-se que o método proposto apresentou resultados promissores e pode ser uma alternativa viável para a medição de umidade do solo em campo. Essa técnica inovadora pode contribuir para o aumento da eficiência e produtividade na agricultura, permitindo um monitoramento mais preciso e eficiente da umidade do solo.
Autores: SILVA, B. M., MAZIERO, L. P., FILHO, L. R. A. G., CREMASCO, C. P.
Palavras-chave: avicultura; hierarquização; segurança do trabalho.
Os métodos multicritérios são técnicas de apoio à tomada de decisão que ajudam a solucionar problemas que possuem vários objetivos, frequentemente conflitantes, com múltiplas ações possíveis, incertezas, várias etapas e diversos indivíduos afetados pela decisão. O método AHP, Analytic Hierarchy Process, é um método multicritério de escolha da melhor alternativa para tomada de decisão e para realizar uma avaliação. O objetivo desse trabalho foi a classificação dos riscos ambientais com a utilização do método multicritério AHP (Analytic Hierarchy Process) para priorização e seleção de alternativas para implementação de medidas de prevenção de acordo com classificação de risco na ordem de prioridade estabelecida na norma. Foi realizada análise de riscos em setores de uma empresa de avicultura e se utilizou um método de classificação e priorização. Nota-se que o estudo gerou a priorização para facilitar e proporcionar eficiência na prevenção de acidentes.
Autores: RUIZ. I. C. A., HERRERA. M. A. S., ARAUJO. W. L., SANTOS, J. S. G., GARCIA, A. P.
Palavras-chave: Agricultura de precisão; automação agrícola; maquinaria agrícola.
A pulverização a taxa variada permite reduzir em até 70% o volume de defensivos agrícolas aplicados, diminuindo os custos, o impacto ambiental e os riscos na saúde, isto é, através do ajuste da taxa de produto aplicado com base em estimativas de caraterísticas morfológicas dos alvos. O presente trabalho descreve o desenvolvimento de um modelo dinâmico de um sistema de pulverização a taxa variada a partir do volume foliar, criado mediante dados experimentais, também se apresentam os resultados de redução de produto obtidos a partir da simulação do modelo com dados de profundidade e velocidade medidos em um aparato experimental. Na teoria o sistema de aplicação a taxa variada reduziria em até 26,26% os defensivos aplicados.
Autores: SANTANA, L. S., FERRAZ, G. A. S., FARIA, R. O., SILVA, J. M., SANTANA, M. S., FILHO, A. C. M.
Palavras-chave: Agricultura digital, Sensoriamento Remoto, Cafeicultura
A presença de grãos verdes e impurezas na secagem dos frutos de café favorecem a redução da qualidade da bebida. Técnicas convencionais para determinação da quantidade de grãos verdes e pretos são realizadas manualmente, o que pode ocasionar erros na estimativa. Este estudo objetivou-se identificar a quantidade de grãos verdes, vermelhos e pretos no terreiro de secagem por meio de classificação digital de imagens RGB obtidas por Aeronave Remotamente Pilotada ARP. Os dados foram obtidos pelo acompanhamento diário, da secagem dos frutos de café em terreiro de cimento, identificando frutos verdes, vermelhos e pretos. Em seguida foram realizadas as classificações de imagens de ARP por meio de segmentação. Os resultados apresentados caracterizam o terreiro de café até o quarto dia de secagem, isso ocorreu pela uniformidade de cores apresentadas após quatro dias de secagem. Destaca-se que o segmentador separa melhor as cores Verdes nas imagens de ARP, mas para aplicações em terreiros de café a separação das cores vermelhas são mais próximas da classificação real de campo.
Autores: REGAZZO, J. R, SILVA, T. L., TAVARES, M. S., FIGUEIREDO. C. G., GOMES, T. M., BAESSO, M. M.
Palavras-chave: ferramentas tecnólogicas, condição nutricional, imagens digitais
A produção de morango no Brasil está em crescimento devido à alta demanda interna e externa. Como isso, torna-se fundamental garantir uma nutrição adequada para alcançar alta produtividade e promover a sustentabilidade. Nesse sentido, o uso de ferramentas tecnológicas é essencial para determinar o estado nutricional por meio de análise de imagens digitais. Essas abordagens não apenas reduzem significativamente o tempo necessário em comparação com as análises convencionais, mas também aprimoram a eficiência na aplicação de fertilizantes. Neste estudo, o objetivo foi avaliar o desempenho da rede neural convolucional (CNN) na predição de nitrogênio foliar em morangos usando imagens RGB. O delineamento experimental incluiu três tratamentos com diferentes doses de adubação e cinco repetições. Os resultados mostraram que a utilização da CNN resultou em AUC (área sobre a curva) de 78% para o tratamento 1 (50% da dose recomendada nitrogenada). Essa abordagem tecnológica reduz o tempo necessário para análise e melhora a eficiência na aplicação de fertilizantes, oferecendo uma alternativa viável para determinar a condição nutricional das plantas de morango.
Autores: AFONSO, D. F., FERREIRA, M. P., SANTANA, M. J., MOREIRA, E. F. A., JÚNIOR, E .F. F.
Palavras-chave: séries de dados meteorológicos, aprendizado estatístico, dados ausentes.
As razões das perdas de dados meteorológicos são diversas e comprometem a consistência das séries históricas, prejudicando a sua aplicação. O objetivo do trabalho foi avaliar o uso da modelagem via Random Forests para o preenchimento de falhas meteorológicas no município de Uberaba, Minas Gerais, Brasil. Foram extraídos do INMET os dados de Evaporação Diaria da estação meteorológica convencional do período de 19 anos. Para o ajuste dos modelos de aprendizado foram considerados, como variáveis de entrada, os valores de cinco dias anteriores e cinco dias posteriores a uma determinada observação y e esta foi utilizada como variável de saída. Os dados obtidos foram divididos, aleatoriamente, em duas partes: um conjunto para o treinamento e outro para o teste. Foi utilizada a raiz quadrada do erro quadrático médio (RMSE) como medida de qualidade de ajuste. Os modelos de random forests apresentaram fraco desempenho (RMSE > 20%) e assim são considerados ineficientes no preenchimento das falhas.
Autores: OLIVEIRA. R. P., OLIVEIRA, T. C. M., RIBEIRO, B. S. B., SILVA, R. A., JÚNIOR, M. R. B., FURLANI, C. E. A.
Palavras-chave: índices de vegetação, séries temporais, imagens aéreas.
A determinação da produtividade da cana-de-açúcar apresenta diversos desafios, como a necessidade de coleta de dados em áreas extensas, em tempo hábil para o planejamento agrícola. Diante disso, neste trabalho propomos uma abordagem baseada em sensoriamento remoto aliadas a técnicas de aprendizado de máquina, para previsão da produtividade da cana-de-açúcar. A produtividade da cana-de-açúcar foi determinada em 240 linhas de plantio de 10 m. Três voos foram realizados a 80, 120 e 160 dias após transplantio das mudas pré-brotadas com aeronave remotamente pilotada e com sensor multiespectral embarcado. A partir dos valores de reflectância das bandas espectrais, foram calculados índices de vegetação e para aumentar a capacidade preditiva do modelo, os dados dos três voos foram avaliados em conjunto. Avaliou-se o algoritmo de aprendizado de máquina Extreme Gradient Boosting. Os resultados indicaram elevado potencial da utilização de dados multiespectrais para mapeamento da produtividade da cana-de-açúcar. O modelo desenvolvido obtive elevada acurácia para previsão da produtividade seis meses antes da colheita, com erros inferiores a 17%.
Autores: POZZUTO, J. V. F, OLDONI, H., AMARAL, L. R.
Palavras-chave: Agricultura de Precisão, Fertilidade do solo, Suscetibilidade Magnética
A densa amostragem de solos para satisfatório mapeamento das propriedades físico-químicas na agricultura de precisão (AP) apresenta custo elevado, cabendo estudos de novas técnicas auxiliares, como utilização de sensoriamento proximal e orbital, que consigam transcrever as características do solo. Para isso, objetivou-se relacionar informações de condutividade elétrica aparente (CEa), obtidas com os sensores EM38 e TSM, suscetibilidade magnética (SM), via sensor EM38, e as bandas SWIR1 e SWIR2 de solo exposto do satélite Sentinel-2. Foi utilizada uma área agrícola em Cosmópolis-SP, onde os dados de sensoriamento e amostragem de solos foram tomados para correlações e regressões. Observou-se que as melhores correlações ocorreram entre a capacidade de troca catiônica (CTC) e SM (r=-0,70) e entre CTC e CEaEM38 (r=0,68), além da areia e argila com a SM (r, 0,69 e -0,64). A CEa e SM foram as que mais traduziram informações de solo quando avaliados pelos modelos de regressão múltipla, porém sendo a SM mais confiável, por ser menos suscetível a fatores externos à coleta. Conclui-se que a CEa e SM são mais precisas que as variáveis orbitais (SWIR1 e 2) para o mapeamento de solo, mas devem ser utilizadas em conjunto para melhores modelos.
Autores: DIAS, G. R. F., VOLTARELLI, M. A., PAIXÃO, C. S. S., CARNACINI, F.
Palavras-chave: AgroCAD, rastro do pulverizador, linhas de plantio.
Atualmente, uma parte da produção de feijão é perdida pelo amassamento ocasionado por máquinas agrícolas, e essa mesmo sendo perdida gera um custo ao produtor. O desenvolvimento geral desse trabalho se deu em torno da simulação das linhas de plantio e pulverização, com a finalidade de minimizar o amassamento da cultura do feijão causado pelo rastro do pulverizador. Nesse contexto, o objetivo central desse trabalho foi reduzir ou anular o amassamento da cultura do feijão carioca (Phaseolus vulgaris L. TAA DAMA), para alcançar esse propósito foram utilizadas máquinas agrícolas modernas com interação a softwares SIG e o software AgroCAD. Os software auxiliaram na elaboração de uma plantio com menos perda. O projeto desenvolvido adotou a interrupção das linhas de plantio no rastro do pulverizador, ou seja, através do software SIG – AgroCAD, a área de plantio foi projetada de maneira que o trajeto das máquinas agrícolas, no caso o pulverizador, não se sobrepôs às linhas de plantio. Portanto, a cultura não foi semeada na área que o pulverizador percorreu. Dessa maneira, o amassamento realizado pelo pulverizador diminuí durante as operações, bem como houve economia de sementes e adubo no momento da semeadura nas marcações do rastro do pulverizador.
Autores: COUTO, J. L., TAVARES, M. S., REGAZZO, J. R., SILVA, T. L., BAESSO, M. M.
Palavras-chave: processamento de imagens; qualificação de doenças; agroinformática.
Agricultura de precisão avança com o deep learning para diagnosticar o estado nutricional das plantas por meio de padrões de sintomas, melhorando a produtividade e qualidade. Este ramo é o enfoque deste trabalho, que utilizou a plataforma Scopus (Elsevier), onde nos últimos 10 anos foi amplamente difundida esta linha de pesquisa, encontrando 162 documentos a partir do método PRISMA-P, o qual orientou a seleção dos artigos, fornecendo uma compreensão abrangente das pesquisas relacionadas ao tema. Destacou-se o uso frequente de métodos como redes neurais convolucionais, K-vizinhos mais próximos (KNN) e drones para aquisição de imagens e classificação automatizada. As pesquisas, lideradas por China e Índia, alcançaram alta precisão no enfrentamento de problemas agrícolas e na tomada de decisões.
Autores: ROSSI, F., TESTONI, I. B., BRICHI, L., LIMA, A. C. M., DOMINGUEZ, A. L. S., GOMES T. M.
Palavras-chave: Glycine max, reuso agrícola, termografia
A produtividade da soja está diretamente ligada a disponibilidade de água para o seu desenvolvimento. Desta forma, o efluente tratado de abatedouro tem potencial de suprir as necessidades hídricas e nutricionais da cultura. Porém, se manejado incorretamente, pode acarretar em estresses hídrico-salinos. O monitoramento deste estresse, de modo rápido e não invasivo, é de interesse prático. Deste modo, o objetivo desse estudo foi verificar o uso da termovisão como ferramenta de análise do estresse no cultivo de soja irrigada com efluente tratado de abatedouro (ETA). O delineamento experimental foi em blocos casualizados, com cinco doses de ETA: 0, 25, 50, 75 e 100%, com parcelas subdivididas (presença e ausência da inoculação com Bradyrhizobium japonicum), em quatro repetições. As coletas das imagens termográficas ocorreram em três datas (35 48 e 52 dias após semeadura – DAS). Com os dados foi obtido o índice Temperatura Relativa Normaliza do Dossel (TRND), que apresentou aumento significativo com o aumento da dose, ou seja, houve um maior estresse das plantas de soja irrigadas com 100% ETA. A inoculação com B. japonicum não alterou de forma significativa o estresse das plantas para ser identificada pela termovisão.
Autores: PINTO, E. R., SAVINIEC, L.
Palavras-chave: cafeicultura, k-means, machine learning.
A necessidade de produzir alimentos em grande escala e de forma sustentável tem sido um motor de impulsionamento para o rápido avanço da agricultura de precisão. Sendo assim, técnicas de Machine Learning para extração de conhecimento em dados agrícolas têm ganhado cada vez mais aplicações na agricultura. Algoritmos supervisionados e nãosupervisionados identificam padrões (agrupamento/classificação) ou preveem acontecimentos (previsão) baseados em dados. O algoritmo K-Means pode ser utilizado para agrupar dados e os algoritmos Random Forest e KNN para previsão e classificação. Este trabalho desenvolveu um sistema de recomendação baseado nesses algoritmos de Machine Learning para ajudar produtores de café a escolher as variedades adequadas para o plantio. Foi utilizada uma base de dados com 49 variedades de café, mapeando 17 características das plantas. O algoritmo KMeans foi utilizado para agrupar as variedades por similaridade e detectou 8 grupos diferentes. Através da uma interface simples, o produtor informa as características desejadas e invoca os algoritmos KNN ou Random Forest, fazendo a recomendação. Como resposta, o programa retorna o grupo de variedades de café mais similar as características desejadas.
Autores: MAGALHÃES, J. W. O., BARRETO, B. B., PIRES, J. L. F., BASSOI, L. H.
Palavras-chave: Triticum spp, algoritmo, imagem térmica.
O uso de algoritmos de Machine Learning (ML) proporciona uma robusta capacidade no processamento e análise de dados. As técnicas de ML fornecem respostas em menor tempo comparadas aos modelos de regressão estatística. O experimento com o cultivo do trigo foi conduzido no período de 13 de outubro de 2022 a 16 de janeiro de 2023 em casa de vegetação do Laboratório de Referência Nacional em Agricultura de Precisão (LANAPRE), Embrapa Instrumentação. O delineamento utilizado foi o inteiramente casualizado, com 16 repetições, tendo como fatores o manejo de irrigação (irrigação plena e irrigação com déficit hídrico) e foram semeadas duas cultivares de trigo (BRS 394 e BRS 264). A temperatura média das plantas apresentou uma diferença entre os manejos de irrigação de aproximadamente 1°C, distinguindo, com o auxílio das imagens térmicas, plantas em estresse hídrico. O algoritmo de classificação mostrou-se uma ótima ferramenta para classificação e identificação do estresse hídrico nas plantas de trigo com uma taxa de acerto de 90%.
Autores: PEREIRA, A. J., JUNIOR, I. O., COSTA, B. R. S., BASSOI, L. H., JORGE, L. A. C.
Palavras-chave: sensor ativo, sensor passivo, aeronave remotamente pilotada
Os métodos baseados no sensoriamento remoto conseguem estimar indiretamente variáveis biofísicas da videira, como vigor vegetativo, conteúdo hídrico e nível nutricional, para orientar o manejo do vinhedo. Esta pesquisa teve como objetivo analisar o comportamento dos índices de vegetação CCCI, MSR, NDRE e NDVI em videiras, gerados por sensores suborbital e proximal, e verificar o seu potencial do seu uso para o monitoramento do vigor vegetativo em um vinhedo. Os dados multiespectrais foram obtidos por meio do sensor da MicaSense RedEdge-M e os dados proximais pelo sensor ativo Crop Circle ACS-430. Os índices de vegetação foram gerados e submetidos a uma análise estatística descritiva. Em ambas as metodologias o NDVI obteve uma menor dispersão em torno da média, enquanto o MSR e NDRE alcançaram as maiores classificações. O CCCI, MSR e NDRE obtiveram um padrão simétrico, contrastando com a assimetria à esquerda (cs < 0) do NDVI suborbital e proximal. Assim, o uso do NDVI para identificar a variabilidade no vinhedo pode apresentar restrições, sobretudo em áreas com vigor vegetativo elevado.
Autores: PERAZA-ALPÍZAR, S., VARGAS-ELÍAS, G., BADILLA-MENA, B., OSCARDURAN-GAMBOA, GAMBOA-FUENTES, R., CHAVES-HERRERA, M.
Palavras-chave: microcontrolador, ESP32, humedadrelativa.
Los granos de cacao son sensibles a las condiciones de almacenamiento, siendo la humedad relativa uno de los factores críticos para conservar su calidad. El objetivo de este Trabajo fue implementar un sistema de adquisición de datos com aplicación IoT para el registro de las condiciones durante el almacenamiento de granos de cacao. Seu tilizóun sensor de temperatura y humedad relativa de bajo costo y alta precisión, el cual está conectado a un microcontrolador ESP32 que transmite los datos a una plataforma para su visualización. Los granos de cacao fueronsecados a 40°C y luego colocados en recipientes herméticos con sensores. Se observó que el aire en contacto con la superficie de los granos alcanzó el equilibrio higroscópico en 11h. El perfil de temperatura y de humedad relativa fueron ajustados adecuadamente a funciones exponenciales decrecientes con coeficientes de determinaciónmayor que 0,95. El sistema IoT implementado permitió la medición de la temperatura y humedad relativa del aire en contacto com los granos de cacao.
