Autores: ALMEIDA, K. E. B., ANDRADE, J. B., OLIVEIRA, L. V. P. A., CONCEIÇÃO, L. N., CONCEIÇÃO, J. C. L., RODRIGUES, R. C. M.
Ano da publicação: 2024
ISSN: 2358-582X
Palavras-chave: agricultura de precisão, análise espacial, monitoramento agrícola.
Área: Agricultura Digital (AD)
O uso de drones na agricultura tem se destacado como uma ferramenta eficaz para proporcionar tomadas de decisão mais precisas e eficientes aos agricultores. Este estudo analisou a precisão dos dados obtidos por meio da utilização de drones na cultura do abacaxi em Turiaçu, Maranhão, entre os meses de julho e agosto. A metodologia envolveu o planejamento detalhado do voo, a captura de imagens em alta resolução, o processamento das imagens para a montagem de um ortomosaico e a análise detalhada dos dados. Os resultados demonstraram a eficácia do uso do drone Mavic Pro na contagem de plantas, mapeamento de áreas, identificação de falhas no plantio e monitoramento de doenças, contribuindo para uma agricultura mais eficiente e sustentável. Essa tecnologia tem o potencial de otimizar a produção agrícola, reduzindo perdas e aumentando a eficiência no manejo das culturas.
Autores: BRAGA JUNIOR, R. A., GODINHO, R. P.
Palavras-chave: BSL nas nuvens; banco de imagens, tempo real
O biospeckle laser (BSL) é usado como uma técnica para identificar atividade biológica de produtos agrícolas, embora com restrita adoção por quem está na linha de frente. Este trabalho objetivou aumentar o acesso à técnica do BSL criando um ambiente virtual, Biospeckle Laser on Clouds, para agrupar dados primários de aplicações na agricultura, bem como desenvolver e oferecer uma ferramenta interativa para a análise em tempo real dos dados compartilhados pelos diferentes usuários. O ambiente virtual foi implementado em Javascript e PHP (Hipertext Preprocessor), abordando as imagens do speckle por meios que mitigaram a sobrecarga computacional e permitiram uma sensação de uso em tempo real. O carregamento de imagens em linha, as análises de forma remota e a adoção de placas gráficas proporcionaram velocidade e robustez. Os resultados, após um ano de testes, apresentam mais de três mil acessos de todos os continentes, sem interrupções, com o armazenamento de mais de mil imagens de aplicações em sementes, raízes, câncer animal, entre outras. A ferramenta de análise online funciona de forma interativa, e fácil sem travamentos, oferecendo um apoio aos iniciantes.
Autores: MORAIS, R. M., FERRAZ, G. A. S., ABREU, A. L., OLIVEIRA, F. M., MARQUES FILHO, A. C., NOGUEIRA, A. C.
Palavras-chave: agricultura de precisão e digital, mecanização agrícola, inteligência artificial
Quando se utiliza o penetrômetro para medir os valores de resistência que o solo apresenta a haste, é necessário aplicar uma força ao equipamento, que, em algumas medições pode ocorrer um excesso de velocidade, o que pode afetar a coleta de dados e sua acurácia. O objetivo deste estudo foi classificar por intermédio de técnica de Aprendizado de Máquinas se a ocorrência de excesso de velocidade de penetração no solo do penetrômetro influenciou na pressão máxima registrada pelo equipamento. O experimento foi conduzido na Fazenda Santa Helena, localizada no município de Lavras, estado de Minas Gerais, Brasil, em uma área de 18 hectares destinadas ao cultivo de cafeeiros. Os dados foram coletados por um penetrômetro digital em 48 pontos georreferenciados por um GNSS do tipo navegação após o arranquio da lavoura cafeeira. As variáveis analisadas foram a ocorrência do excesso de velocidade de penetração no solo, pressão máxima e a profundidade da pressão máxima, coletadas pelo penetrômetro. As análises de estatística descritiva e técnicas de aprendizado de máquinas foram realizadas utilizando o software Orange Canvas. Os resultados demonstraram que na classificação realizada, houve a ocorrência de excesso de velocidade do penetrômetro em altos índices de pressão máxima registrada. Portanto, destaca-se que o uso de técnicas de Aprendizado de Máquinas é uma importante ferramenta para auxiliar no manejo da cultura do café.
Autores: RAMOS, A. C., SIGNORELLI, J. A. S., CARVALHO, C. L., COSTA, A. G.
Palavras-chave: modelo de cor RBG, modelo de cor CMY, pós-colheita.
O tomate é um alimento amplamente consumido no Brasil, uma das culturas de maior importância econômica no Brasil. O tomateiro é uma planta que requer uma atenção especial dos produtores para garantir a colheita no momento adequado, aliado a isso, temos que a utilização de imagens na agricultura tem se tornado cada vez mais comum ao longo dos anos. Assim, o objetivo do estudo foi avaliar as características colorimétricas do tomate em quatro estádios de maturação, usando imagens digitais. Para a pesquisa foram utilizados 20 tomates verdes, 20 verdes-alaranjados, 20 alaranjados-vermelhos e 20 vermelhos, o estudo foi realizado usando modelos de cor RGB e CMY em imagens digitais e dados físicos como peso e firmeza dos frutos. O Teste de Tukey foi utilizado como análise estatística para comparação entre as médias dos tratamentos. As caracteristicas verde e ciano possibilitaram a distinção dos quatro estádios de maturação, e apresentaram as maiores correlações positivas com a firmeza, enquanto o vermelho teve a maior correlação negativa. Não foi encontrada relação entre peso e características de cor. O modelo RGB foi mais o adequado para a distinção da maturação, uma vez que o verde e vermelho foram as cores predominantes neste processo.
Autores: SILVA, A. C. S., ALVES, L. C. M., ATZINGEN, G. V.
Palavras-chave: apicultura, monitoramento, sensoriamento.
A cultura apiária possui algumas lacunas passiveis de maior desenvolvimento tecnológico tais como: sensoriamento, predição, rastreabilidade, big data, dentre outros. Tais tecnologias permitiriam maior controle de cada etapa do processo produtivo, refinando o poder de tomar decisões mais assertivas. O presente trabalho propôs o sensoriamento de colmeias, para coletar os seguintes dados gerados durante os ciclos de produção, considerando as indicações de apicultores e a revisão da literatura: temperatura do ninho, umidade relativa do ar, gases (fumaça) e inclinação das colmeias (posição). Tendo como base os conceitos da IoT (Internet of Thigs – Internet das coisas), e se utilizando da rede de telefonia móvel para acessar a Internet, os dados coletados foram enviados para uma plataforma online promovendo a possibilidade de suporte à tomada de decisão. Frente à tecnologia utilizada, foi possível avaliar o comportamento dos sensores e a eletrônica utilizados, bem como seu potencial para a automação dos processos inerentes à cultura estudada.
Autores: SOUZA, W. F., SOUSA, J. S. C., MORAIS, V. A. M., ROCHA, M. G., SÁ JÚNIOR, J. R., SANTOS, C. M. S.
Palavras-chave: android, fator atrito, smartphone.
Sendo a hidráulica uma área do conhecimento que apresenta inúmeros usos e diferentes níveis de complexidade, a cita o dimensionamento hidráulico com os cálculos de perda carga, fazendo com que seja recomendado o uso de softwares, por isso o objetivo deste estudo foi desenvolvimento de um aplicativo para o sistema operacional android para cálculo de perda de carga pela equação universal. Resultando em um aplicação que permite calcular com acurácia a perda de carga por essa equação, no qual o fator f da mesma pode ser determinado de forma automática de acordo com regime de fluxo ou ser estimado por equações específicas, incluindo as equações de Colebrook-White e Von Kármán que são implícitas.
Autores: PEREIRA JUNIOR, E. H., NASCIMENTO, A. L., SOUSA, E. D. T. S., ZANELLA, M. A., SANTOS, V. A., ESTIMA, A. M.
Palavras-chave: agrotóxicos, classificação, visão computacional.
Pragas, doenças e ervas daninhas são responsáveis por significativas perdas de rendimento nas culturas agrícolas. O uso de herbicidas é o principal método para controle das mesmas. Apesar da importância dos herbicidas, a sociedade tem exigido práticas de manejo ecológico com diminuição do volume de agrotóxicos utilizados na agricultura. Uma das formas de reduzir a quantidade de agrotóxico é por meio da aplicação localizada, em que o tratamento é realizado apenas em locais cuja infestação está acima do nível do limiar econômico. Visando a redução do uso de defensivos agrícolas e minimizar impactos ambientais, foram utilizados métodos de aprendizado de máquina para detecção de ervas daninhas em áreas agrícolas. Os métodos de classificação árvore de decisão, rede neural artificial, floresta aleatória e máquina de vetor de suporte foram aplicados em imagens de uma área cultivada com cana-de-açúcar localizada no norte do Brasil. Os resultados demonstraram que todos os métodos apresentaram alta exatidão global (entre 81,9% e 83,8%), porém houve dificuldade na distinção entre erva daninha e cana-de-açúcar. Conclui-se que os métodos avaliados apresentam potencial para auxiliar no manejo localizado de culturas, mas ainda demandam refinamentos para melhor distinguir as classes de interesse.
Autores: CUNHA JUNIOR, J. C., NASCIMENTO, A. L., SOUSA, E. D. T. S., ZANELLA, M. A., DADALTO, J. P., AMORIM, D. M. B.
Palavras-chave: detecção de objetos, processamento digital de imagens, seleção de modelos.
Uma prática comum na avaliação da pulverização é a utilização de etiquetas hidrossensíveis. Há a opção de utilizar visão computacional no auxílio da tarefa. O uso de visão computacional pode ser complexo, sendo necessário realizar vários ajustes nos modelos. O atual trabalho foca na etapa de seleção de modelos objetivando avaliar qual deles apresenta maior acurácia na determinação do espectro de gotas de uma pulverização agrícola. Foi utilizado um banco de dados contendo 27 imagens oriundas de simulações de pulverização em diferentes condições de temperatura, umidade relativa e pressão de trabalho do pulverizador. A identificação das bordas das manchas das gotas pulverizadas em etiquetas hidrossensíveis foi realizada por três modelos de detecção de bordas: Canny (1986); Hough Circle Transform (HCT); e, Watershed. O teste Z foi usado na comparação entre os resultados apresentados pelos modelos e os valores de referência. Os resultados dos modelos de Canny, Watershed e HCT foram iguais aos valores médios de referência em 37%, 67% e 100% das pulverizações simuladas. Sendo, portanto, o modelo HCT mais adequado na caracterização do espectro de gotas de uma pulverização agrícola.
Autores: TREVISAN, V. P., TAMARA A. F. R., PANINI, R. L., LEMOS, H. R., RAYO J. H., NISHIKAWA, M. A.
Palavras-chave: agricultura digital, processamento de imagens, controle de daninhas
A agricultura de precisão oferece uma abordagem eficaz para realizar intervenções especificas em áreas delimitadas, promovendo práticas agrícolas mais sustentáveis e economicamente viáveis. Este estudo investigou a aplicação do conceito da Aplicação de Precisão para o controle de plantas daninhas em uma área experimental da Bayer CropScience, no município de Paulínia – SP. Utilizando drone de imagem e software de processamento de imagens, foram coletadas imagens para análise da distribuição espacial das plantas daninhas e geração de mapas de prescrição. Os resultados mostram uma correlação entre a área de aplicação e a economia de defensivos agrícolas, com uma queda na porcentagem de economia à medida que a área aplicada aumenta. A metodologia desenvolvida oferece uma abordagem para estimar a economia de defensivos e a economia financeira correspondente, destacando o potencial da Agricultura de Precisão para otimizar o uso de produtos fitossanitários.
Autores: ESTIMA, A. M., MOURA, E L. B., ALVES, F. A. P., MONTENEGRO, A. A. A., COSTA, R. S., SILVA NETO, M. A.
Palavras-chave: arduino, instrumentação, estação meteorológica.
A temperatura do ar é uma variável determinante para o manejo agrícola, e monitoramento agroclimatológico, exigindo monitoramento preciso, tradicionalmente feito por estações meteorológicas, que apresentam alto custo e complexidade de operação. Surge-se a necessidade de tecnologias acessíveis, como o Arduino e o sensor DHT-22. Logo, este estudo buscou avaliar a eficácia do sensor DHT-22 em comparação com a estação meteorológica WRF. Na Universidade Federal Rural de Pernambuco, utilizou-se um Arduino Uno R3 com sensor DHT-22, protegido por um compartimento PVC. Os dispositivos foram programados para medir a temperatura a cada 10 minutos por 24 horas. A partir dos dados obtidos foram calculados: R2, RMSE e MAE. O coeficiente de determinação (R2=0,718) mostrou uma forte correlação entre os dados do Arduino e da estação WRF. Além disso, valores de MAE e RMSE corroboraram a eficiência satisfatória e a viabilidade do sistema de Arduino Uno R3 e sensor DHT-22 em comparação com as estações meteorológicas tradicionais.
Autores: AGUIAR, A. C. S. V. C., SILVA, L. M. C., MARINHO, G. P. A., ALMEIDA, G. L. P., MEDEIROS, V. W. C., PANDORFI, H.
Palavras-chave: instrumento de medição, gestão hídrica, precisão agrícola.
As mudanças climáticas representam desafios crescentes para a agricultura global, destacando a escassez de água. Diante disso, a gestão hídrica eficaz é fundamental para minimizar os efeitos negativos dessa problemática. Neste contexto, sensores de fluxo de água desempenham um papel crucial ao permitir o monitoramento preciso dos recursos hídricos. Desta forma objetivou-se calibrar sensores de vazão de água (A e B) em diferentes condições de fluxo para estimar o consumo hídrico em bebedouros de bovinos. A pesquisa foi conduzida em laboratório da Universidade Federal Rural de Pernambuco (UFRPE), com medições realizadas em dezembro de 2023. Durante o período do estudo, foram coletadas um total de 60 leituras para cada sensor, divididas igualmente entre dois regimes de fluxo: 30 leituras de forma contínua e 30 intermitentes. Os resultados indicam que o Sensor A apresentou menor variabilidade e tempo de calibração em comparação com o Sensor B. Conclui-se que o Sensor A é preferível devido à sua precisão e eficiência operacional para monitoramento do fluxo de água na agricultura, contribuindo para uma gestão mais sustentável dos recursos hídricos.
Autores: SILVA, M. A., PANDORFI, H., MARINHO, G. P. A., ALMEIDA, G. L. P., BEZERRA, A. C., SILVA, M. V.
Palavras-chave: sensoriamento remoto, Índices de vegetação, Agropecuária de precisão.
Este estudo foi realizado com o objetivo de avaliar metodologias indiretas de estimativa de índice de área foliar de modo não destrutivo e menos oneroso possibilitando ao pequeno e médio produtor o acesso a tecnologias para o acompanhamento de produções agrícolas inclusive o monitoramento do pasto. Para obtenção do índice de área foliar utilizou-se o app easy leaf area e imagens provenientes de veículos aéreo não tripulado (VANT) para realização de um modelo de regressão múltipla baseado nos índices de vegetação RGB aplicados na área (GLI, VARI, NGRDI). O experimento foi conduzido de agosto a setembro de 2019 (35 dias), na Fazenda experimental da Universidade Federal Rural de Pernambuco (UFRPE), localizada em Garanhuns-PE (latitude de 8º 58' S, longitude de 36º 27' W e altitude de 866 m). Foi utilizado um piquete de 50 m x 50 m, delimitado por cerca eletrificada, sob pastagem de Brachiaria decumbens e taxa de lotação de 3,2 UA ha-1. Os períodos utilizados de ocupação e descanso do piquete foram de 7 e 28 dias, respectivamente. Apesar de ambos os métodos conseguirem expressar satisfatoriamente os índices de área foliar distribuídos em toda a área de pasto, entre as metodologias não houve o mesmo padrão de valores nos pontos de extração de dados, logo, faz-se necessário estudos aprofundados utilizando outros índices RGB ou outros fatores de ajustes agroclimáticos.
Autores: BEZERRA, D. B., SILVA, J. P. J. F., ZANELLA, M. A., SANTOS, L. M., BRUM, D., FERRAZ, G. A. S.
Palavras-chave: agricultura de precisão, imagens orbitais, nematóide das galhas.
A presença de nematóides em plantas pode causar sérios danos às culturas agrícolas, afetando diretamente sua produtividade. Utilizando técnicas de análise espectral, como índices de vegetação, é possível obter informações sobre a sanidade das plantas. Neste estudo, foram correlacionados o número de ovos e juvenis de segundo estádio (J2) do nematóide das galhas, Meloidogyne exigua, em área de café, e dois índices de vegetação, NDVI e NDRE, obtidos por ARP (Aeronave Remotamente Pilotada). Os resultados revelaram correlação significativa entre a quantidade de ovos e J2 de Meloidogyne exigua e os índices de vegetação estudados, para o índice NDRE a correlação foi de -0,45 e R²: 0,19 e para o índice NDVI o valor foi de -0,24 e R²: 0,05. Os resultados fornecem informações importantes para o monitoramento e manejo de infestações do nematóide das galhas em lavouras de café, permitindo uma intervenção precoce e eficaz para mitigar os danos causados por esses organismos. Este estudo destaca a importância de técnicas de sensoriamento remoto e análise de campo, contribuindo para o desenvolvimento de estratégias sustentáveis de manejo de doenças e otimização da produção agrícola.
Autores: SILVA, M. L., MOURA NETO, J. M., NASCIMENTO, A. A., SILVA, I. O., CALOU, V. B. C., SILVA, A. R. A.
Palavras-chave: produtividade, sensoriamento remoto, Zea mays L.
O objetivo deste trabalho foi correlacionar índices de vegetação com as respostas produtivas do milho sujeito a diferentes níveis de déficit hídrico ao longo da sua fase vegetativa, visando desenvolver equações para estimar sua produtividade. Os tratamentos consistiram na aplicação de cinco níveis de reposição hídrica: 20%, 40%, 60%, 80% e 100% das necessidades de irrigação aplicados entre V4 e VT. Um aerolevantamento foi conduzido no fim do estádio vegetativo - VT (48 dias após a semeadura). Os índices utilizados foram o NDVI (Normalized Difference Vegetation Index) e o GLI (Green Leaf Index). Avaliou-se as variáveis de produtividade total de espigas frescas sem palha e biomassa seca total das plantas no estádio R4 – Grão pastoso. O déficit hídrico durante o crescimento vegetativo da cultura acarretou a diminuição de ambas as produtividades. O NDVI apresentou valores de coeficiente de determinação (R2) equivalente a 0,936 para produtividade de espigas e R2 = 0,930 em massa seca. Por outro lado, o GLI apresentou R2 = 0,777 e R2 = 0,875, respectivamente. Conclui-se que, o NDVI foi o índice mais efetivo para realização da estimativa.
Autores: SILVA, J. P. J. F., MONTEIRO, A. G. O., ZANELLA, M. A., NASCIMENTO, A. L., SOUSA, E. D. T., S., DADALTO, J. P.
Palavras-chave: manejo diferenciado, agricultura de precisão, imagens orbitais.
A implementação de zonas de manejo é uma prática essencial na produção de grãos, proporcionando uma abordagem estratégica para otimizar a produtividade e a sustentabilidade dos sistemas agrícolas. Essas zonas são delineadas com base, principalmente, em variáveis do solo e das plantas. Desta forma esse trabalho teve o objetivo de explorar combinações de dados para gerar zonas de manejo em uma área de produção de grãos no estado de São Paulo. Foram utilizadas a combinação das variáveis condutividade elétrica aparente do solo, altitude, produtividade de milho e bandas de imagens orbitais. Em uma combinação de variáveis foram geradas duas zonas e em outra combinação foram geradas 3 zonas para a área. As zonas geradas demostraram diferença significativa nos valores das amostras de solo. A utilização de zonas de manejo é importante para viabilizar o manejo diferenciado em área de produção de grãos.
Autores: SILVA, T. L., LIMA, M. A., TAVARES, M. S., REGAZZO, J. R., DEVECHIO, F. F. S., BAESSO, M. M.
Palavras-chave: inteligência artificial, nutrição de plantas, agricultura de precisão
A cultura do milho (Zea mays L.) tem se destacado como um dos principais cereais produzidos no Brasil, utilizado principalmente na alimentação humana e animal. Nesse contexto, a condição nutricional da cultura é indispensável para manter a produtividade, economia de fertilizantes, eficiência dos sistemas operacionais e a sustentabilidade no uso dos recursos naturais. O objetivo principal deste trabalho é discriminar doses distintas de nitrogênio usando descritores texturais de imagens RGB e Machine Learning. O experimento foi implantado em casa de vegetação com um híbrido de milho (Zea mays L.) submetido a quatro tratamentos, sendo D1= 5%, D2= 20%, D3= 100% e D4= 200% da dose recomendada de nitrogênio, com quatro repetições. Foi avaliado o estádio V4 e R1, e as imagens foram processadas usando matriz de coocorrência para extração de quatro descritores de textura nas angulações (0°, 45º, 90º e 135°). O algoritmo Bilayered Neural Network (BNN) foi superior ao SVM e KNN, com características robusta e capaz de discriminar doses de nitrogênio em milho com alto performance na classificação.
Autores: TAVARES, M. S., REGAZZO, J. R., SILVA, T. L., LEÃO, M. L., BAESSO, M. M.
Palavras-chave: modelos, predição, phaseolus vulgaris
A cultura do feijão é a fonte proteica mais consumida pelos humanos no mundo. Graças à crescente demanda global por alimentos, a adubação nitrogenada é crucial para obtenção de altas produtividades. A quantificação do nitrogênio foliar é fundamental para a otimização da adubação. No entanto, métodos tradicionais são demorados e caros, o que eleva a necessidade de formas rápidas e não destrutivas para estimar N foliar. O objetivo deste trabalho foi avaliar o desempenho de 2 algoritmos de aprendizado de máquina na predição foliar de N com uso de medidas indiretas de clorofila. A cultivar BRS FC104 foi submetida a 4 níveis de adubação nitrogenada (0, 40, 80 e 120 kg ha-1) em delineamento inteiramente casualizado. As leituras de clorofila foram realizadas 32 DAS com clorofilômetro Falker CFL 1030. Os algoritmos MultiLayerPerceptron e Random Forest foram implementados no software Weka 3.8.6. O nitrogênio influenciou (P<0,01) as variáveis CA, CT e teor de nitrogênio foliar. O Random Forest mostrou-se mais apropriado para predição de N foliar a partir de medidas indiretas de clorofila, com erro de 1,97 g kg-1 e R2 = 0,749, superando a rede neural artificial (R2 = 0,538 e erro de 2,88 g kg-1).
Autores: SILVA, I. O., MOURA NETO, J. M., SILVA, M. L., CALOU, V. B. C., SILVA, A. R. A., LACERDA, C. F.
Palavras-chave: Anthonomus grandis, agricultura de precisão, VANT.
Objetivou-se, com o presente trabalho, comparar a assertividade de índices espectrais no monitoramento da infestação do bicudo do algodoeiro utilizando imagens obtidas por meio de Veículo Aéreo Não Tripulado (VANT). Para o cálculo dos índices espectrais utilizou-se imagens aéreas obtidas por meio de um VANT Phantom 4 embarcado com o sensor Mapir Survey 3W. Foram calculados 6 índices, sendo eles: VARI (Visible Atmospherically Resistant Index), Vlgreen (Visible Atmospherically Resistant Indices Green), GLI (Green Leaf Index), NDVI (Normalized Difference Vegetation Index), OSAVI (Optimized Soil Adjusted Vegetation Index) e SR (Simple Ratio). Após o cálculo dos índices os dados foram submetidos ao processo estatístico de correlação de Spearman. Os resultados deste estudo demonstraram que o método de identificação do bicudo do algodoeiro proposto, embora prático, não se mostrou eficaz. Os índices não obtiveram assertividade na identificação com precisão da infestação do bicudo do algodoeiro, devido aos padrões de sintomatologia morfológica característica da manifestação visual da praga em questão, haja vista que ela manifestou características espectrais muito semelhantes dentre os índices avaliados na pesquisa.
Autores: SILVA, T. R. G., ROLIM, G. S., CANATA, T. F.
Palavras-chave: variáveis climáticas, regiões vitivinícolas, python
A aplicação de algoritmos na estimativa da produtividade da uva não apenas impulsiona a eficácia das decisões agrícolas, mas também promove a sustentabilidade e a viabilidade econômica dos vinhedos em regiões vitivinícolas do Brasil. A pesquisa abrangeu sete regiões distintas, os dados meteorológicos das regiões foram obtidos a partir do banco de dados da NASA-Power. O banco de dados foi submetido a treinamento por meio do algoritmo Random Forest. A avaliação da performance da estimativa do modelo foi realizada através do coeficiente de determinação ajustado e da raiz do erro quadrático médio. Os dados das diversas regiões foram consolidados para formar um conjunto de dados único, permitindo a extração de respostas gerais por meio da aplicação do modelo. O modelo que incorporou a seleção de atributos mostrou métricas inferiores em comparação com aquele que incorporou todas os atributos disponíveis. Portanto, é importante compreender a relação entre índices climáticos, produtividade e fatores geográficos, evidenciando a complexidade das interações climáticas com a fenologia da uva, e a necessidade de considerar diferentes regiões para entender os impactos das variabilidades climáticas na produção vitivinícola brasileira.
Autores: REGAZZO, J. R., SILVA, T. L., TAVARES, M. S., FIGUEIREDO, C. G., GOMES, T. M., BAESSO, M. M.
Palavras-chave: condição nutricional, rede neural residual, processamento de imagens
Este estudo teve por finalidade a aplicação da rede neural convolucional ResNet-50 na predição do teor de nitrogênio foliar em morangos da cultivar ‘San Andreas’, utilizando imagens RGB em diferentes estágios fenológicos da planta. O experimento foi conduzido na FZEA/USP em Pirassununga-SP, com o cultivo do morangueiro em casualizados com três tratamentos (T1: 50% da adubação nitrogenada recomendada - ANR para o morangueiro, T2: 100% da ANR e T3: 150% da ANR), duas parcelas e cinco repetições. Foram realizadas coletas foliares em três estágios fenológicos inicial, vegetativa e indução floral. O processo de obtenção e processamento das imagens foi conduzido por meio de um scanner de mesa, seguido pela análise do desempenho dos modelos. A arquitetura de Resnet-50 apresentou melhor desempenho para fase de indução floral, com 96% de AUC para o T1. A ResNet-50 demonstrou ser uma ferramenta eficaz na identificação de diferentes dosagens de adubação, com a fase de indução floral emergindo como um período essencial para essa identificação.
