Use este identificador para citar ou linkar para este item: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/10670
Título: Aplicação de técnicas de inteligência artificial na agricultura de precisão para estimar a produtividade da soja
Título(s) alternativo(s): Application of artificial intelligence techniques in precision agriculture to estimate the soybean productivity
Autor(es): Michelon, Gabriela Karoline
Orientador(es): Menezes, Paulo Lopes de
Palavras-chave: Inteligência artificial
Soja
Redes neurais (Computação)
Artificial intelligence
Soybean
Neural networks (Computer science)
Data do documento: 18-Nov-2016
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Medianeira
Referência: MICHELON, Gabriela Karoline. Aplicação de técnicas de inteligência artificial na agricultura de precisão para estimar a produtividade da soja. 2016. 99 f. Trabalhos de Conclusão de Curso (Graduação) - Universidade Tecnológica Federal do Paraná, Medianeira, 2016.
Resumo: A agricultura de precisão é uma técnica de gerenciamento de áreas agrícolas que auxilia na descoberta dos fatores que causam variabilidade espacial do solo e da planta. Com as Informações obtidas pela prática da agricultura de precisão, é possível saber quais pontos da lavoura necessitam de alguma correção do solo para aumentar a produtividade, o que Consequentemente evita desperdícios de insumos agrícolas levando à diminuição dos gastos de produção e da degradação ambiental. As técnicas de agricultura de precisão têm sido favorecidas pelo surgimento de equipamentos eletrônicos, softwares e tecnologias da Informação. Dentre as muitas tecnologias computacionais, estão as técnicas de inteligência artificial, as quais têm sido amplamente exploradas para auxiliar na produção agrícola como técnicas que permitem, através de dados característicos da planta e/ou do solo, predizer a produtividade das culturas. Portanto, neste trabalho escolheu-se aplicar técnicas de inteligência artificial na cultura da soja, por ser uma cultura muito importante para consumo humano e animal, e como fonte alternativa de biocombustível no mundo todo. Propõe-se com este estudo, por meio dos macronutrientes da folha da soja e por meio de técnicas de inteligência artificial, predizer a produtividade da cultura da soja, de modo que o produtor esteja em tempo de poder melhorar a produtividade da cultura plantada. As técnicas de inteligência artificial utilizadas neste estudo foram redes neurais artificiais e máquinas de vetores de suporte para regressão. Os dados da folha da soja utilizados foram Nitrogênio, Fósforo, Potássio, Cálcio e Magnésio coletados em três estádios do desenvolvimento da planta em duas áreas amostrais. Como resultado, se obteve um bom modelo de rede neural artificial capaz de explicar 74% dos dados reais, utilizando todos os nutrientes da folha da soja da primeira coleta dos dados nas duas áreas amostrais. Realizou-se treinamento das áreas amostrais separadamente, e na segunda coleta dos nutrientes da soja da área A, obteve-se um segundo melhor desempenho dentre todos os testes realizados com redes neurais artificiais e máquinas de suporte de vetores explicando 61% dos dados reais. A seleção de atributos CfsSubsetEval foi realizada para buscar um modelo de predição da produtividade da soja utilizando menos nutrientes da folha, e consequentemente, diminuir o custo de análises foliares para aplicação da técnica. No entanto, o melhor modelo obtido foi da segunda coleta dos nutrientes da folha da soja da área B, por meio de uma máquina de suporte de vetores explicando 58% dos dados reais. Portanto, este trabalho encontrou bons modelos de predição da produtividade da soja, utilizando para isto, apenas os nutrientes da folha.
Abstract: The precision agriculture is a management technique of agricultural areas that aids in the detection of the factores that causes spacial variability of soil and plant. With the information obtained by the practice of precision agriculture, it is possible to know which points of the tillage need some correction of soil to increase the productivity, what consequently avoids waste of agricultural inputs, leading to decreased costs of production and environmental degradation. The precision agriculture techniques have been favored by the appearance of electronic equipment, softwares and information technologies. Among the many computer technologies, there are the artificial intelligence techniques, which have been widely exploited to assist in agricultural production as techniques that allows, using characteristic data of the plant and/or soil, predict crop yields. Therefore, in this study was chose to apply artificial intelligence techniques in soybean, because it is a very important culture for the human and animal consumption, and as a biofuel alternative in all the world. It is proposed to this study, through the soybean leaf macronutrients and through artificial intelligence techniques to predict the soybean yield, so that the producer is in time to improve the productivity of the crop planted. The artificial intelligence techniques that were used in this study were artificial neural networks and support vector machines for regression. The soybean sheet data were Nitrogen, Phosphorus, Potassium, Calcium and Magnesium collected in three stadiums of plant development at two sites. The results are that was obtained a good predictivity model of artificial neural network, which is able to explain 74% of the real data, using the soybean leaf nutrients of the first data collection in the two sites. It conducted training of sampling areas separately, and in the second collection of nutrients from soybean area A, obtained a second best performance of all the tests with artificial neural networks and support vector machines, explaining 61% of the real data. Selecting CfsSubsetEval attributes was performed to seek a prediction model of soybean yield using fewer nutrients of leaf, and consequently reduce the cost of leaf analysis for the technical application. However, the best model is obtained from the second collection soybean leaf nutrients from area B by means of a support vector machine, explaining 58% of real data. Therefore, this study found good models of soybean yield prediction, using to this, only the leaf nutrients.
URI: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/10670
Aparece nas coleções:MD - Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
inteligenciaartificialagriculturasoja.pdf2,63 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.