Autores: LUNARDI, L. G., VIZÚ, J. F., LIMA, K. M. S., GIZ, A. M., GOMES, T. M., ROSSI, F.
Ano da publicação: 2023
ISBN: 978-65-87729-06-0
Palavras-chave: adubação verde, Crotalaria spectabilis, imagem termográfica.
Área: Agricultura Digital (AD)
Avaliar o comportamento dos adubos verdes em ambiente protegido é importante para se realizar um manejo adequado da irrigação, minimizando fatores de estresse. A termografia é uma tecnologia não invasiva capaz de identificar o comportamento térmico de objetos, plantas e animais de maneira instantânea. O presente trabalho teve por objetivo avaliar o estresse de adubos verdes em cultivo protegido, através de imagens térmicas. O delineamento experimental foi em blocos casualizados, com quatro adubos verdes: Canavalia ensiformis (feijão-de-porco), Crotalaria spectabilis (crotalária-spectábilis), Pennisetum glaucum (milheto), Dolichos lablab (lablab), com oito repetições. As imagens termográficas foram coletadas em três datas (21/10, 25/11 e 30/12). A partir das temperaturas máxima, média e mínima calculou-se a temperatura relativa normalizada do dossel (TRND). O maior valor, na média, de TRND foi de 0,4573 para C. ensiformis, que não diferiu da C. spectabilis e do D. lablab, mas foram superiores ao P. glaucum (TRND = 0,4026). Estes valores, de maneira geral, não indicam que as plantas estavam sob estresse, sendo a umidade do solo adequada ao desenvolvimento das plantas.
Autores: FARIA, R. O., FERRAZ, G. A. S., SILVA, F. M., MENEZES, M. D., SANTANA, L. S., MARQUES FILHO, A. C.
Palavras-chave: fertilidade do solo, análises foliares, inteligência artificial.
A Cafeicultura de Precisão (CP) é um conceito emergente que utiliza técnicas avançadas de agricultura de precisão para otimizar o cultivo do café. Estudos têm sido realizados para avaliar a qualidade das malhas amostrais utilizadas nesse contexto. A aplicação da CP permite a identificação de variações espaciais significativas produtividade, relacionadas a diversos fatores como atributos do solo, manejo, pragas e doenças. O presente estudo teve como objetivo explorar a aplicação da Agricultura de Precisão na predição da produtividade do café, utilizando aprendizado de máquinas e atributos químicos do solo e das folhas como variáveis explanatórias. Foram utilizados diferentes algoritmos de aprendizado de máquinas: adaptative boosting (AdaBoost), random forest, regressão linear, árvores de decisão, K-nearest neighboor (kNN) e suport vector machine (SVM). A produtividade foi predita adequadamente, com maior acurácia encontrada a partir do AdaBoost (MSE de 64,28, RMSE de 8,02, MAE de 6,20 em L planta-1 e coeficiente de determinação R² de 0,85), sugerindo que o impulsionamento (boosting) contido neste algoritmo foi efetivo para a predição da produtividade do café.
Autores: SOUZA, J. B. C., ALMEIDA, S. L. H., BRITO FILHO, A. L., OLIVEIRA, T. C. M., SILVA, R. A., SILVA, R. P.
Palavras-chave: Arachis hypogaea L., redes neurais artificiais, sensoriamento remoto, inteligência artificial, agricultura digital.
A estimativa de produtividade auxilia no planejamento, a tomada de decisão e o gerenciamento de recursos da cultura. Diante disto, objetivou-se desenvolver modelos de predição da produtividade do amendoim utilizando técnicas de SR e aprendizado de máquinas. Os experimentos foram conduzidos no estado de São Paulo na safra 2021/2022. Em cada campo experimental foram instalados 20 pontos amostrais para produtividade e maturação, sendo cada parcela composta por meio hectare (0,5 ha) com a mesma cultivar de amendoim. As áreas estudas foram escolhidas em função do tipo de solo, em que três áreas apresentaram características de solos argilosos e as demais solos arenosos. Foram utilizadas imagens de satélites para calcular três índices de vegetação (NDVI, GNDVI e SAVI). Para gerar os modelos preditivos utilizou-se o algoritmo de redes neurais artificiais (MLP). Todos os índices de vegetação mostraram-se capazes de predizer a produtividade do amendoim com erros baixos.
Autores: CANATA, T. F., BARBOSA JÚNIOR, M. R., OLIVEIRA, R. P., CHIARELLI, J. P., SILVA, R. P., FURLANI, C. E. A.
Palavras-chave: agricultura de precisão, inteligência artificial, Saccharum spp.
A antecipação dos valores do conteúdo de açúcar presente nos colmos de cana-de-açúcar é essencial para o desenvolvimento de soluções orientadas por dados na agricultura. O objetivo é explorar o potencial de integração entre os dados multiespectrais e os algoritmos de inteligência artificial para a predição de atributos qualitativos da cana-de-açúcar (Brix e Pureza). Estes atributos foram mensurados em laboratório utilizando 240 amostras de colmos de cana-de-açúcar. As imagens de satélite foram adquiridas nas mesmas datas de avaliação em campo a fim de compor a base de dados de refletância do dossel da cultura e o cálculo dos índices de vegetação. Os métodos de Regressão Linear Múltipla (MLR) e Rede Neural Artificial (ANN) foram utilizados no desenvolvimento dos modelos preditivos do conteúdo de Brix e Pureza da cultura. A performance dos modelos foi comparada em relação à acurácia (R²) e ao erro de predição (RMSE-raiz quadrada do erro médio). A MLR apresentou melhor performance na predição de Brix (R²=0,71; RMSE=0,12°Brix). Os valores de Pureza foram preditos com maior acurácia pela ANN (R²=0,92; RMSE=0,11%). Foram obtidos resultados satisfatórios integrando imagens de satélite, dados de biometria da cultura, e algoritmos de inteligência artificial para a predição de atributos qualitativos de cana-de-açúcar.
Autores: BARRETO, B. B., REIS, M. T. F., TRINDADE, M. C., DANTAS, L. P. DAREZZO, H. M., MILORI, D. M. B. P.
Palavras-chave: imagem de fluorescência, algodão, patógeno.
Com o crescimento da produção da cultura do algodão no Brasil, houve também um aumento expressivo de doenças nas últimas décadas. Tanto os patógenos habitantes do solo, como os que causam manchas foliares, tem causado grande prejuízo à cultura do algodão, afetando drasticamente seu rendimento. Dentre os principais patógenos do algodão, o nematoide Aphelenchoides besseyi têm ganhado destaque por também causar doença na cultura da soja, conhecida como Soja Louca II, este também pode causar danos irreversíveis à produção. Assim, o objetivo deste trabalho foi utilizar o sistema de imagem de fluorescência para detectar o ataque de nematoide à cultura do algodão, com os ensaios conduzidos em casa de vegetação. Esta é uma técnica que permite caracterizar características fisiológicas da planta, incluindo a eficiência fotossintética, e tem potencial para detectar precocemente o ataque do patógeno. O experimento foi conduzido em casa de vegetação, em ambiente controlado com plantas com plantas sadias e plantas e com a inoculação do nematoide. Os resultados mostram que a técnica de imagem de fluorescência foi capaz de identificar as plantas sadias e as plantas inoculadas com o patógeno.
