Autores: SOARES, C. C., TAVARES, M. S., REGAZZO, J. R., SILVA, T. L., BAESSO, M. M.

Ano da publicação: 2024

ISSN: 2358-582X

Palavras-chave: agricultura de precisão, aprendizado profundo, forrageiras.

Área: Agricultura Digital (AD)

Ao alinhar ganho de produtividade e baixo custo, a utilização das forrageiras proporcionam benefícios aos sistemas produtivos agrícola e animal. Diversos fatores deixam em evidência a importância de pesquisas com ferramentas de inteligência artificial na área agrícola, e as gramíneas são uma amostra disso. Para tal, a presente revisão sistemática tem como objetivo identificar artigos que utilizem algoritmos de Deep Learning em diferentes estudos em gramíneas. Adotou-se os protocolos de revisão sistemática e meta-análise PRISMA-P, empregando palavras-chaves relevantes e critérios de elegibilidade para filtrar artigos pertinentes para as análises. Na busca foi encontrado 225 artigos, e após aplicação dos filtros foi reduzido para 42 artigos, sendo a China o país mais significativo, aliás as palavras-chave “deep learning”, “grass”, “convolutional neural network” e “image classification” foram de maior uso entre os autores. Portanto, concluísse que está revisão proporcionou resultados positivos quanto a importância da expansão do Deep Learning na área agrícola.

Autores: MARQUES, L. S., MARQUES, C. A. M., OLIVEIRA, M. J., SILVA, F. O., SILVA, F. M., CORTEZ, N. V.

Ano da publicação: 2024

ISSN: 2358-582X

Palavras-chave: café, mecanização, agricultura 4.0

Área: Agricultura Digital (AD)

 A eficiência da colheita mecanizada de café depende de parâmetros tais quais o grau de maturação dos frutos, a velocidade operacional da colhedora, a frequência de vibração das hastes derriçadoras, e a regulagem das cintas de freio. Este trabalho apresenta o processo de digitalização do equipamento denominado “Gerenciador de Colheita de Café (GCC)”, o qual objetiva informar ao cafeicultor o momento ideal de se iniciar a colheita, o tipo recomendado de colheita (plena ou seletiva), e os ajustes adequados para a colhedora, com base na avaliação da força de desprendimento dos frutos. À luz da agricultura 4.0, os aprimoramentos realizados no GCC incluem o desenvolvimento/disponibilização de: (a) uma nova interface para os usuários, capaz de se conectar à internet via aplicativo para smartphones; (b) uma nova metodologia para determinação da maturação dos frutos; e (c) a recomendação para regulagem do freio. Ensaios em campo, dentro de uma mesma gleba, com 3 repetições em parcelas aleatórias, contendo 10 plantas cada, demonstram a coerência do diagnóstico fornecido pela nova versão (em relação à versão antiga), bem como sua superioridade no que tange à: usabilidade, ergonomia, capacidade de memória e flexibilidade para atualizações de software.

Autores: VALENTE, G. F., FERRAZ, G. A. S., SCHWERZ, F., FARIA, R. O., SILVA, M. L. O., BENTO, N. L.

Ano da publicação: 2024

ISSN: 2358-582X      

Palavras-chave: sensoriamento remoto, cafeicultura de precisão, agricultura de precisão e digital

Área: Agricultura Digital (AD)

 Os danos ocasionados por geada podem reduzir a área plantada e a produção de café. A intensidade desses danos pode variar dentro de uma determinada área devido a diferenças nas zonas climáticas. Compreender essa disparidade é essencial para desenvolver estratégias de manejo e mitigação eficazes. Este estudo teve como objetivo avaliar a diferença de danos provocados pela geada em diferentes zonas climáticas em uma lavoura cafeeira, utilizando imagens multiespectrais obtidas por aeronave remotamente pilotada. O estudo foi realizado em lavoura comercial em Minas Gerais, Brasil, onde foram feitas avaliações visuais de danos e voo com aeronave remotamente pilotada três dias após o evento geada. As análises visuais dos danos revelaram três distintas áreas de risco climático dentro da lavoura cafeeira, classificadas como alto, baixo e médio risco. Por meio da aquisição e análise de imagens, especialmente ao utilizar o índice de vegetação NDVI, os danos foliares causados pela geada nas três áreas de risco foram claramente identificados. Os resultados sugerem que o uso de sensoriamento remoto pode ajudar os produtores a avaliar e reduzir os danos causados pela geada, minimizando as perdas na produção.

Autores: PEREIRA, G. W., VALENTE, D. S. M., QUEIROZ, D. M., COELHO, A. L. F.

Ano da publicação: 2024

ISSN: 2358-582X

Palavras-chave: agricultura de precisão, mapeamento de solos, inteligência artificial.

Área: Agricultura Digital (AD)

 A agricultura de precisão (AP) é uma técnica de gestão agrícola baseada na observação, medição e resposta às variabilidades espaciais e temporais que ocorrem nas áreas de produção agrícola. Em AP, o mapeamento das características físicas e químicas do solo permite estimar com maior precisão a variabilidade espacial do solo. Dado um conjunto de pontos amostrados deseja-se obter mapas dos atributos de solo ou inferir valores em lugares específicos em locais não amostrados, para isso técnicas de interpolação são utilizadas. Objetivou-se neste trabalho implementar um software que permitisse a interpolação de atributos do solo através de técnicas de Machine Learning (ML) e Krigagem Ordinária (OK). O software desenvolvido consistiu em um plugin (complemento) para o QGIS. O Coeficiente de Determinação (R2) e a Raiz Quadrada do Erro Quadrático Médio (RMSE) foram utilizados para avaliar o desempenho dos métodos. O Índice de Correlação Espacial de Moran (ICM) foi utilizado para medir a dependência espacial. A validação dos modelos foi realizada em uma área de 204 ha. Para os atributos de solo analisados, o ICM variou de 0,52 a 0,84. Os resultados demostraram que, para o ICM inferior a 0,76 a interpolação por ML foi superior ao OK.

Autores: ANDRÉ, A. L. G., FERRAZ, P. F. P., FERREIRA, J. C., OLIVEIRA, F. M., AGUIAR, J. V., FERRAZ, G. A. S.

Ano da publicação: 2024

ISSN: 2358-582X

Palavras-chave: efeito estufa, gado de leite, monitoramento ambiental

Área: Agricultura Digital (AD)

 A indústria da pecuária leiteira encontra-se em constante evolução. No entanto, são visíveis os efeitos negativos, como a emissão de gases de efeito estufa (GEE). O objetivo desse trabalho foi avaliar a variabilidade espacial do metano (CH4) e do índice de temperatura e umidade (ITU) em um Compost Barn. O estudo foi realizado em novembro de 2023, em uma instalação com dimensões de 54 x 22 x 4,50 m (comprimento x largura x pé-direito) que aloja 86 vacas. Foram coletados dados em 80 pontos em duas alturas (0,25 e 1,50 m) acima da superfície da cama. A geoestatistica foi aplicada para determinar a variabilidade espacial e elaborar os mapas de dispersão. O ITU apresentou variação de 72 a 76 na altura de 0,25 m, e uma variação de 70 a 75 à 1,50 m. Já o CH4 apresentou altas concentrações na altura de 0,25 m, variando de 238 a 243 ppm, e concentrações mais baixas na altura de 1,50 m, onde a variação registrada ficou 35 a 145 ppm. A geoestatística permitiu a análise e interpretação das variáveis coletadas e demonstra ser uma ferramenta viável para o monitoramento contínuo e facilitando a tomada de decisões para o manejo produtivo.

Autores: OLIVEIRA, V. C., FRANCO, J. R., PAI, E. D., NARDI JUNIOR, G., RODRIGUES, S. A., SARNIGHAUSEN, V. C. R.

Ano da publicação: 2024

ISSN: 2358-582X      

Palavras-chave: conectividade, aquisição de dados, aquicultura

Área: Agricultura Digital (AD)

 A temperatura é um dos fatores de extrema importância para a aquicultura. Contudo a medição dessa variável para esta atividade ainda é um processo que toma tempo e exige atenção do produtor, sendo muitas vezes realizado de forma manual várias vezes ao dia com termômetro de mercúrio. Sendo assim, o objetivo do estudo foi realizar uma aplicação IoT para o monitoramento e visualização em tempo real da temperatura da água de um tanque de peixes utilizando um sistema de baixo custo. Os dados foram coletados a cada 30 minutos por sensor DS18B20, processados por um microcontrolador ESP8266 e transmitidos para plataforma web Thingspeak. A aplicação possibilitou o monitoramento da temperatura da A água de um tanque de peixes em tempo real em uma aplicação IoT e os equipamentos eletrônicos utilizados apresentaram viabilidade para essa aplicação.

Autores: BENTO, N. L., SILVA, M. L. O., FERRAZ, G. A. S., FARIA, R. O., OLIVEIRA, F. M., SANTOS, S. A.

Ano da publicação: 2024

ISSN: 2358-582X      

Palavras-chave: agricultura de precisão e digital, sensoriamento remoto, veículo aéreo não tripulado (VANT)

Área: Agricultura Digital (AD)

Ter o controle e saber exatamente como está a população de plantas na área plantada é um dos desafios que agricultores enfrentam no campo, especialmente se a cultura em questão é perene, como no caso do cafeeiro. Dessa forma, o objetivo deste trabalho foi identificar falhas de plantio e mensurar a porcentagem destas falhas em uma lavoura cafeeira. Com base nos ortomosaicos gerados a partir de imagens obtidas por Sistema de Aeronave Remotamente Pilotada embarcado com câmera multiespectral, identificou-se os pontos referentes a cada planta amostral do terreno, bem como suas informações de reflectância espectral. Ao comparar o espectro de reflectância do ponto amostral ao espectro típico de uma planta pôde-se definir se o ponto amostral se tratava de uma planta ou uma falha. Procedeu-se o cálculo da porcentagem que deveria ser ocupada por plantas cafeeiras (com base no planejamento de instalação da lavoura), área total realmente ocupada por plantas cafeeiras e a área considerando as falhas de plantio. Os resultados mostraram que a utilização de Sistema de Aeronave Remotamente Pilotada com base no estudo espectral de plantas, é viável e pode ser empregado para detecção eficiente de falhas em lavouras agrícolas cafeeiras.

Autores: REGAZZO, J. R., TAVARES, M. S., SOARES, C. C., SILVA, T. S., LUNA, J., BAESSO, M. M.

Ano da publicação: 2024

ISSN: 2358-582X

Palavras-chave: aprendizado profundo. Fragaria x ananassa. Agricultura de precisão.

Área: Agricultura Digital (AD)

Aprimorar a qualidade e produtividade do cultivo de morangos enfrenta desafios que vão desde o monitoramento das condições de crescimento até a avaliação da maturação e qualidade dos frutos. Nesse contexto, avanços na visão computacional e redes neurais representam uma importante evolução tecnológica. Este estudo focaliza esse campo, utilizando a plataforma Scopus, amplamente difundida nos últimos 10 anos para essa pesquisa. Foram identificados 344 documentos usando o método PRISMA-P. A aplicação de visão computacional e redes neurais permite detectar maturação, identificar doenças e pragas, e automatizar tarefas como colheita e controle de ervas daninhas. Essas intervenções impulsionam a eficiência, reduzem custos e promovem a sustentabilidade na produção de morangos.

Autores: REIS, A. S., NANNI, M. R., RODRIGUES, M., SANTOS, G. L. A. A., FURLANETTO, R. H., OLIVEIRA, K. M.

Ano da publicação: 2024

ISSN: 2358-582X

Palavras-chave: assinatura espectral, estatística multivariada, rotação de culturas.

Área: Agricultura Digital (AD)

O conhecimento prévio da produtividade da cultura da soja torna-se importante para a tomada de decisão por parte do produtor. O objetivo do trabalho foi elaborar um modelo preditivo de rendimento da cultura utilizando reflectância foliar hipererspectral e regressão por mínimos quadrados parciais (PLSR). O experimento foi conduzido na fazenda experimental da COAMO, em Campo Mourão, Paraná. Os dados foram coletados na safra 2019/2020 e analisados seguindo o delineamento experimental em blocos ao acaso, com doze tratamentos e quatro repetições. Foram coletadas informações espectrais através do FieldSpec3 Jr, nos estádios V5, V6, V7, R2, R5, R6 e R7. A PLSR foi utilizada para estabelecer os modelos espectrais de produtividade da soja com base em sua reflectância foliar. Os modelos espectrais obtidos apresentaram de baixa a média acurácia na predição da produtividade da soja. O estádio R7 de desenvolvimento obteve os melhores resultados, com valores de coeficiente de determinação (R2) de 0,50, RMSE de 222,85 kg ha-1 e RPD de 1,60. Esses resultados podem contribuir com pesquisas futuras relacionadas à predição da produtividade da soja com o manejo do solo e diferentes condições de rotação de culturas.

Autores: OLIVEIRA, F. M., FERRAZ, P. F. P., FERRAZ, G. A. S., FERREIRA, J. C., ANDRÉ, A. L. G., AGUIAR, J. V.

Ano da publicação: 2024

ISSN: 2358-582X

Palavras-chave: bovinos de leite, aprendizado de máquina, pecuária de precisão.

Área: Agricultura Digital (AD)

 No contexto da pecuária leiteira surgem novas abordagens que utilizam o aprendizado de máquina para favorecer uma estimativa de massa corporal (MC) dos animais. Desta forma, este estudo propõe uma alternativa para estimar a MC de bovinos leiteiros utilizando medidas corporais como preditoras por meio da regressão linear, como uma alternativa precisa e menos invasiva. As medidas morfológicas obtidas de 103 vacas leiteiras da raça Holandesa foram divididas em dados de treinamento (80%) e teste (20%). A coleta de dados experimentais foi realizada no mês de janeiro de 2024 em uma fazenda da cidade de Ijaci-MG. As medidas morfológicas foram realizadas imediatamente após a primeira ordenha do dia às 05:00 a.m. durante a pesagem em uma balança eletrônica. Modelos de regressão linear simples foram desenvolvidos para correlacionar MC com o perímetro torácico, perímetro corporal e largura da garupa. Os resultados revelaram coeficientes de determinação (R²) de 0,7993, 0,8060 e 0,7812 respectivamente, indicando uma boa capacidade dos modelos em explicar a variabilidade da MC com base nessas medidas e oferecer uma alternativa viável e não invasiva para estimar MC dos bovinos e melhorar a produtividade do setor.

Autores: REIS, C. L., ROCHA, I. M. O., SOUSA, A. M., ZANINE, A. M., SOUSA, W. S., SANTOS, F. N. S.

Ano da publicação: 2024

ISSN: 2358-582X

Palavras-chave: agricultura digital, geotecnologias, sustentabilidade.

Área: Agricultura Digital (AD)

O sorgo é umas das cultivares de maior importância econômica mundial e requer estudos que avaliem seu desenvolvimento e produtividade. O objetivo deste estudo foi avaliar as relações entre índices de vegetação e a produtividade do sorgo cultivado na entressafra agrícola no cerrado maranhense. Neste estudo, os índices de vegetação Excess green (EXG), visual atmospheric resistance index (VARI), Modified photochemical reflectance index (MPRI), Normalized difference vegetation index (NDVI) foram mensurados a 37 dias após a semeadura (DAS) e 87 DAS. Além disso, mensurou-se a produtividade da panícula (PP), colmo (PC), folha (PF), do grão (PG) e biomassa total (PBT). O ExG apresentou melhor desempenho, especialmente aos 37 DAS, com correlação significativa de intensidade moderada para a PP (r = 0,475), e correlação significativa de intensidade fraca com PC (r=0,351), PBT (r=0,392) e PG (r=0,361). Para os demais índices de vegetação, NDVI, MPRI e VARI não existiu correlação significativa com os parâmetros de produtividade. Há uma tendência de maior relação entre os índices de vegetação com a produção de biomassa em comparação com a produtividade de grãos.

Autores: NICOLE LOPES BENTO, N. L.., SILVA, M. L. O., FERRAZ, G. A. S., MORAIS, R. M. A., ABREU, A. L., VALENTE, G. F.

Ano da publicação: 2024

ISSN: 2358-582X

Palavras-chave: agricultura de Precisão e Digital., coffea arabica. veículo aéreo não tripulado (VANT).

Área: Agricultura Digital (AD)

A cafeicultura é considerada uma commodity de significativa relevância mundial. Com isso, faz-se necessário compreender e monitorar as variabilidades existentes nas grandes lavouras pelo mundo. Para tanto, as técnicas de Sensoriamento Remoto (SR), direcionadas ao monitoramento de uma cultura agrícola torna possível mapear e estudar as variabilidades espaciais e os fatores limitantes da produção. Este trabalho objetivou o mapeamento do Índice de Área Foliar (IAF) de uma cultura cafeeira localizada nas proximidades do município de Santo Antônio do Amparo - MG. Diante deste cenário, este trabalho analisou as diferenças estatísticas entre as potencialidades de imagens de alta resolução, geradas por dados de sensoriamento remoto multiespectral, obtidos a partir de Aeronave Remotamente Pilotada (RPA) e entre dados de campo. Não foram detectadas diferenças estatisticamente significativas entre os valores da variável de estudo, considerando os dois métodos analisados, efetivando, portanto, a aplicação e estimativa do IAF por sensoriamento remoto.

Autores: AZEVEDO, A. T., COELHO, R. D., CARNERVISK, E., TEODORO, I. P. O., BARROS, T. H. S.

Ano da publicação: 2024

ISSN: 2358-582X

Palavras-chave: agricultura orientada por dados, agricultura de precisão, monitoramento hídrico, tecnologia embarcada, sustentabilidade agrícola.

Área: Agricultura Digital (AD)

Este estudo aborda a importância da gestão eficiente dos recursos hídricos na agricultura diante dos desafios impostos pelas mudanças climáticas e escassez de água. Por meio da integração de tecnologias de Internet das Coisas (IoT) e agricultura de precisão, desenvolveu-se um sistema de suporte à decisão para o manejo da água na agricultura irrigada. O dispositivo, baseado em uma estação meteorológica aprimorada e uma rede de sensores de umidade do solo, permite monitorar em tempo real as condições hídricas e climáticas, fornecendo informações cruciais para otimizar o uso da água e promover práticas agrícolas sustentáveis. Os resultados demonstraram a precisão das medições do sistema, destacando sua eficácia na estimativa da evapotranspiração e umidade do solo. Além disso, a comunicação eficiente de dados garantiu a integridade das informações e a acessibilidade aos usuários. Em conclusão, o dispositivo desenvolvido representa uma ferramenta valiosa para enfrentar os desafios da agricultura moderna, contribuindo para a sustentabilidade e resiliência do setor agrícola frente às mudanças climáticas e escassez de recursos hídricos.

Autores: VICENTINI, B., BRAGA JÚNIOR, R. A., CONTADO, J. L., SOBRINHO, A. F. S., SILVA, E. A. A., FERREIRA, F. J.

Ano da publicação: 2024

ISSN: 2358-582X

Palavras-chave: Speckle, alternativa, s oja.

Área: Agricultura Digital (AD)

 A análise de sementes, pela sua importância na agricultura, é um processo que demanda celeridade e técnicas robustas. A técnica do biospeckle laser (BSL) já foi demonstrada como uma alternativa viável às técnicas tradicionais em diversos trabalhos de pesquisa, tanto por sua maior rapidez, quanto por sua equivalente robustez de resultados. No entanto, sua utilização tem sido restrita a laboratórios de física-óptica. O objetivo deste trabalho foi pesquisar a viabilidade da montagem de um sistema portátil para executar a técnica BSL, substituindo o sistema tradicional laboratorial. Essa avaliação foi feita comparando-se os resultados obtidos pelas análises de sementes de alto vigor de soja e de sementes precocemente envelhecidas (baixo vigor), realizadas em um sistema laboratorial tradicional e em um sistema portátil. Ao todo, foram 458 repetições, sendo 229 de sementes de alto vigor e 229 de precocemente envelhecidas, que foram iluminadas simultaneamente nos dois setups citados, totalizando 4 tratamentos. Esse experimento proposto deu-se em delineamento de blocos casualizados, apresentando distribuição normal. Após Análise de Variância e Teste de Tukey, concluiu-se que o sistema portátil proposto foi capaz de repetir o desempenho do sistema tradicional, separando estatisticamente, ao nível de 5%, as sementes de alto e baixo vigor.

Autores: SILVA, I. O., MOURA NETO, J. M., SILVA, M. L., CALOU, V. B. C., SILVA, A. R. A., LACERDA, C. F.

Ano da publicação: 2024

ISSN: 2358-582X      

Palavras-chave: Gossypium hirsutum, modelagem da produção, agricultura de precisão

Área: Agricultura Digital (AD)

Objetivou-se, com este trabalho, utilizar-se de técnicas de processamento digital de imagens e de ferramentas de geoprocessamento para a estimativa de safra na cotonicultura em áreas de plantio de algodão no município de Iguatu-CE. Em 2023, um experimento de campo foi realizado no campus Iguatu do Instituto Federal de Educação, Ciência e Tecnologia do Ceará, utilizando o cultivar de algodão FM 985GLTP da BASF. A colheita manual foi seguida pela medição da produtividade em pontos aleatorizados de 1 m². A produtividade foi também estimada através de um voo com um VANT Phantom 4 da DJI, equipado com câmera RGB e NIR, realizado por ocasião da colheita, aos 178 dias após a semeadura. O processamento das imagens incluiu a construção de uma ortofoto georreferenciada RGB e uma classificação de imagem no software QGIS para realçar os capulhos e fibras da planta. Dos resultados, infere-se que o rendimento do algodão pode ser estimado com precisão usando dados de sensoriamento remoto, associados à modelos matemáticos devidamente calibrados e pode ainda contribuir na identificação de áreas com maior potencial produtivo e na otimização do uso de recursos e de práticas de manejo.

Autores: DIAS, N. S., SANTOS, M. M., SOUSA NETO, O. N., ARAGÃO, A. R., MENDONÇA, L. A., RIBEIRO, A. C.

Ano da publicação: 2024

ISSN: 2358-582X      

Palavras-chave: irrigação, manejo, sensor

Área: Agricultura Digital (AD)

 Considerando a necessidade de tecnologias acessíveis para auxiliar o manejo da irrigação em lavouras, objetivou-se desenvolver e avaliar a eficiência de um sistema inteligente de monitorar a umidade dos solos capaz de melhorar a eficiência do uso da água. O sistema é composto por duas estações: a primeira para a coleta de dados referente aos parâmetros da umidade aparente do solo utilizando sensores e, a segunda para transmissão destes dados para uma estação central de processamento. O sistema indica com precisão a umidade atual do solo, estimando o volume de água a ser aplicado na irrigação para atender a demanda hídrica da cultura com base na capacidade de campo. A análise dos resultados da curva de calibração dos sensores indica que a umidade atual do solo pode ser medida com precisão do modelo potencial, auxiliando no manejo da irrigação. A utilização de tensiômetro é recomendada para a irrigação de solos com baixa saturação, uma vez que há maior confiabilidade na faixa de umidade do solo entre capacidade de campo e o ponto de murcha. No sistema inteligente para o manejo da irrigação com base na estimativa da umidade do solo em tempo, os tensiômetros são mais precisos em relação aos sensores de umidade do solo higrômetro.

Autores: FURQUIM, M. G. D., PEREIRA, A. I., OLIVEIRA, D. C., MOREIRA, J., SOUZA, H. O. G., EVANGELISTA, Z. R.

Ano da publicação: 2024

ISSN: 2358-582X

Palavras-chave: machine learning, tomaticultura, planejamento fabril.

Área: Agricultura Digital (AD)

A presente proposta consiste em apresentar os aspectos que norteiam o desenvolvimento de um sistema para a classificação de tomates destinados ao processamento por meio da utilização de machine learning, auxiliando no processo de classificação e precificação dos frutos. Em termos gerais, machine learning ou aprendizado de máquinas, é um campo da inteligência artificial que utiliza   algoritmos para processar dados de entrada e, com base em critérios definidos, gerar saídas de forma autônoma. Para tanto, foi realizado levantamento de dados junto a atores que atuam na referida cadeia, bem como utilizada a ferramenta de gestão denominada benchmarking genérico para identificar aplicações que corroborassem com o aprimoramento do escopo do protótipo. Posteriormente, definiu-se acoplar um sensor de imagem baseado em sistema de inteligência artificial que permite classificação e extração de características físicas de produtos diversos, para fins de teste considerando o que determina a Portaria nº 278 do MAPA. A aplicação apresenta nível de maturidade tecnológica TRL 3, comprovando a viabilidade técnica em ambiente controlado.

Autores: FERREIRA, J. C., FERRAZ, P. F. P., OLIVEIRA, F. M., ANDRÉ, A. L. G., AGUIAR, J. V., FERRAZ, G. A. S.

Ano da publicação: 2024

ISSN: 2358-582X

Palavras-chave: pecuária de precisão, processamento de imagem, vaca.

Área: Agricultura Digital (AD)

A produção leiteira possui grande importância econômica para a redução da pobreza e o fortalecimento da segurança alimentar. A análise de imagens digitais para classificação e identificação de características importantes em bovinos leiteiros permite a visualização e tomada de decisões antecipadas. O objetivo foi de classificação da massa corporal em bovinos leiteiros usando imagens RGB por meio de redes neurais artificiais (RNA). Para treinamento e teste de aplicação foram obtidas 91 imagens de vacas leiteiras capturadas numa altura de 2,80 metros do piso. A proporção aplicada para treinar, validar e testar foi de 64:27, sendo que o treinamento foi separado em 5 categorias de pesos em intervalos de 60 kg. Foram aplicados quatro modelos de rede neural, sendo o que Inception V3 resultou nas melhores métricas, com uma acurácia de classificação (CA) para imagens de 89%. Dentre os benefícios da aplicação de RNA está o processamento de grandes volumes de dados em tempo real, permitindo uma análise instantânea do ambiente e do comportamento dos animais.

Autores: SILVA, M. A., PANDORFI, H., SANTOS, B. S., ALMEIDA, G. L. P., MONTENEGRO, A. A. A., BRITO, T. A.

Ano da publicação: 2024

ISSN: 2358-582X

Palavras-chave: impacto ambiental, Brachiaria decumbens, sobrepastejo

Área: Agricultura Digital (AD)

 Este estudo foi desenvolvido com o objetivo de avaliar as variáveis que interferem na recuperação de um pasto sob sistema de piquete rotacionado. Em um piquete de 50 m x 50 m, sob pastagem de Brachiaria decumbens e taxa de lotação de 3,2 UA ha-1, atendendo aos períodos utilizados de ocupação e descanso do piquete de 7 e 28 dias, respectivamente. Na área foi realizado a coleta de amostras de raiz (AR, g), resistência do solo a penetração (RP, MPa), taxa de acúmulo de forragem (TAF) e a capacidade de suporte animal (CS). Os registros dos dados foram obtidos antes e após a saída dos animais do piquete, e também após o período recomendado de descanso, o que permitiu a análise estatística descritiva e geoestatística. A área de pasto estudada foi capaz de suportar os animais durante o ciclo estudado, e foi observado uma recuperação da espécie forrageira após o período de descanso, porém os valores de capacidade de suporte foram menores que o recomendado caracterizando a necessidade de mudanças no manejo adotado, como o aumento do período de descanso ou diminuição do número de animais no piquete para a recuperação da pastagem.

Autores: TICHONINK, G. A., MINGOTTE, F. L. C., FONSECA, N. L., VIZENTINI, L. R., ROCHA, L. C. M., COELHO, A. P.

Ano da publicação: 2024

ISSN: 2358-582X

Palavras-chave: Arachis hypogaea L., IRVI, NDVI

Área: Agricultura Digital (AD)

Uma das ferramentas indiretas utilizadas para a escolha de cultivares e genótipos mais produtivos em um sistema de produção é o sensoriamento remoto. Objetivou-se avaliar e comparar a variação temporal dos índices de vegetação NDVI e IRVI em três cultivares de amendoim como ferramenta para a escolha de genótipos mais produtivos. O experimento foi desenvolvido em Jaboticabal/SP, utilizando-se 3 cultivares de amendoim contrastantes quanto ao seu tipo e crescimento, com quatro repetições. Após a emergência da cultura, foi realizado aos 15, 33, 45, 61, 81, 98 e 122 dias após a emergência (DAE) a determinação dos índices de vegetação por diferença normalizada (NDVI) e por relação inversa (IRVI). De posse dos dados dos índices de vegetação, foram ajustadas regressões polinomiais para modelar a variação do IRVI e NDVI em função do ciclo das três cultivares. A regressão quadrática foi a que melhor se ajustou para modelar a variação dos índices NDVI e IRVI ao longo do ciclo das três cultivares. Os máximos valores de NDVI para as cultivares IAC 503, BRS 421 OL e JS 48516-2 foram 0,923, 0,918 e 0,890, enquanto os valores mínimos de IRVI foram de 0,022, 0,031 e 0,046, respectivamente, diferenciando-se quanto aos índices.