Bolsa 23/12653-0 - Agricultura digital, Arachis hypogaea - BV FAPESP
Busca avançada
Ano de início
Entree

Aplicação de algoritmos de aprendizado de máquina e sensoriamento remoto na previsão de perdas na colheita de amendoim

Processo: 23/12653-0
Modalidade de apoio:Bolsas no Brasil - Iniciação Científica
Data de Início da vigência: 01 de fevereiro de 2024
Data de Término da vigência: 31 de janeiro de 2025
Área de conhecimento:Ciências Exatas e da Terra - Geociências
Pesquisador responsável:Rouverson Pereira da Silva
Beneficiário:Gabriel Pereira Costa
Instituição Sede: Faculdade de Ciências Agrárias e Veterinárias (FCAV). Universidade Estadual Paulista (UNESP). Campus de Jaboticabal. Jaboticabal , SP, Brasil
Vinculado ao auxílio:21/06029-7 - Sensoriamento remoto de alta resolução para agricultura digital, AP.TEM
Assunto(s):Agricultura digital   Arachis hypogaea   Inteligência artificial   Aprendizado computacional   Perdas agrícolas   Sensoriamento remoto
Palavra(s)-Chave do Pesquisador:agricultura digital | Arachis hypogaea | Índices topográficos | Inteligência Artificial | machine learning | Perdas Agrícolas | Sensoriamento Remoto

Resumo

O amendoim é uma cultura agrícola de grande relevância no Brasil, tanto para a economia quanto para a alimentação humana e animal. No entanto, a operação de arranquio mecanizado do amendoim frequentemente enfrenta desafios relacionados a perdas no campo, incluindo perdas visíveis, como vagens perdidas durante a colheita e depositadas sobre o solo, e perdas invisíveis, que representam as vagens que permanecem sob o solo. Estas perdas representam um sério problema econômico para os agricultores e a indústria. Objetiva-se neste projeto avaliar o desempenho de dois algoritmos de aprendizado de máquina, Regressão Linear Múltipla e Random Forest, na previsão de perdas visíveis e invisíveis durante a operação de arranquio mecanizado da cultura do amendoim. A primeira etapa consiste na criação de um conjunto de dados abrangente que conterá informações essenciais, como textura do solo, índices topográficos e índice de vegetação. Esses dados servirão como entrada para os algoritmos de aprendizado de máquina. A coleta e o processamento cuidadoso dessas informações garantirão a qualidade do conjunto de treinamento. Em seguida, será desenvolvido um algoritmo com a capacidade de prever as perdas na colheita do amendoim usando características do solo e índice de maturação, como o NDVI, EVI, MNLI e o GNDVI que são estimados por sensoriamento remoto aéreo. Esses índices fornecem informações cruciais sobre a saúde da vegetação e a cobertura do solo, sendo úteis para monitorar áreas extensas de forma eficiente. Os modelos de Regressão Linear Múltipla e Random Forest serão implementados e ajustados para aproveitar ao máximo as informações sobre a textura do solo e os índices topográficos. Este projeto visa fornecer aos agricultores ferramentas eficazes para gerenciar as perdas na colheita do amendoim, contribuindo para a melhoria da produtividade e a redução de prejuízos econômicos. Além disso, a incorporação de técnicas de sensoriamento remoto também será explorada para enriquecer o conjunto de dados e melhorar ainda mais a precisão das previsões.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)