Uso de Inteligência Artificial para escolha de sementes visando a Sustentabilidade na Agricultura.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPel - Guaiaca |
Texto Completo: | http://guaiaca.ufpel.edu.br/xmlui/handle/prefix/9808 |
Resumo: | O Brasil possui uma agricultura de destaque nos últimos quarenta anos, com a Inteligência Artificial chamando atenção de pesquisadores em geral. Porém, existe uma preocupação mundial que valoriza mais o produto sustentável, descartando das opções de compra quando não se encontram nesses padrões. Assim, o objetivo desse estudo foi utilizar o aprendizado de máquinas para permitir a classificação de sementes de soja com maior precisão e eficácia, fornecendo ao produtor rural sementes com alta qualidade, reduzindo a dependência de agroquímicos para alcançar alta produtividade, a fim de tornar o processo mais seguro e sustentável do ponto de vista ambiental. Foram utilizados dados provenientes de testes realizados nos laboratórios de análises de sementes da Universidade Federal de Pelotas – RS e também de empresas sementeiras. Os dados foram divididos em dois conjuntos, o C1 com três formas de classificação, e o C2 com menor quantidade de variáveis. Os classificadores utilizados foram J48, Random Forest, CVR, lBk, MLP e NäiveBayes. Para certificar a precisão dos algoritmos, utilizaram-se as métricas de acurácia: precisão, recall, F-Measure e ROC Area. Os algoritmos MLP e Random Forest obtiveram as melhores respostas em 2 formas de classificação do C1 e no C2, com mais de 95% de assertividade. Todos os algoritmos conseguiram classificar os lotes com taxa de acertos superior a 75%, sendo alguns ficando em 99%. O MLP apresentou os melhores resultados, mesmo quando os dados foram classificados a partir de uma única variável, que foi posteriormente retirada para não viciar o classificador. Com os resultados obtidos foi possível realizar a avaliação e ranqueamento com precisão e acurácia, utilizando a inteligência artificial em lotes de sementes de soja. Os atributos físicos não foram utilizados como principais variáveis, quando a classificação foi realizada com base no segundo teste de viabilidade por TZ. Com o C2, o Vigor e a Germinação se apresentaram primordiais para a classificação com precisão. Porém, alguns cientistas ainda salientam que para uma boa caracterização e ranqueamento do lote é necessário a realização de outros testes. Os impactos ambientais causados pelo excessivo uso de agroquímicos na implantação da cultura podem ser reduzidos devido à elevação da qualidade fisiológica e, dessa forma, tornar a cadeia produtiva mais sustentável utilizando a tecnologia de informação como ferramenta, visando melhorar a qualidade de vida das pessoas e atentar para o meio ambiente, de modo que todo o ecossistema receba os devidos cuidados. |
id |
UFPL_d4c49ec37bab57ebd8a0f3fb3372f3c0 |
---|---|
oai_identifier_str |
oai:guaiaca.ufpel.edu.br:prefix/9808 |
network_acronym_str |
UFPL |
network_name_str |
Repositório Institucional da UFPel - Guaiaca |
repository_id_str |
|
spelling |
2023-07-14T23:05:20Z2023-07-142023-07-14T23:05:20Z2023-02-23BERNARDY, Ruan. Uso de Inteligência Artificial para escolha de sementes visando a Sustentabilidade na Agricultura. Orientadora: Gizele Ingrid Gadotti. 2023. 99f. Dissertação (Mestrado) - Programa de Pós-graduação em Ciências Ambientais. Centro de Engenharias, Universidade Federal de Pelotas, Pelotas, 2023.http://guaiaca.ufpel.edu.br/xmlui/handle/prefix/9808O Brasil possui uma agricultura de destaque nos últimos quarenta anos, com a Inteligência Artificial chamando atenção de pesquisadores em geral. Porém, existe uma preocupação mundial que valoriza mais o produto sustentável, descartando das opções de compra quando não se encontram nesses padrões. Assim, o objetivo desse estudo foi utilizar o aprendizado de máquinas para permitir a classificação de sementes de soja com maior precisão e eficácia, fornecendo ao produtor rural sementes com alta qualidade, reduzindo a dependência de agroquímicos para alcançar alta produtividade, a fim de tornar o processo mais seguro e sustentável do ponto de vista ambiental. Foram utilizados dados provenientes de testes realizados nos laboratórios de análises de sementes da Universidade Federal de Pelotas – RS e também de empresas sementeiras. Os dados foram divididos em dois conjuntos, o C1 com três formas de classificação, e o C2 com menor quantidade de variáveis. Os classificadores utilizados foram J48, Random Forest, CVR, lBk, MLP e NäiveBayes. Para certificar a precisão dos algoritmos, utilizaram-se as métricas de acurácia: precisão, recall, F-Measure e ROC Area. Os algoritmos MLP e Random Forest obtiveram as melhores respostas em 2 formas de classificação do C1 e no C2, com mais de 95% de assertividade. Todos os algoritmos conseguiram classificar os lotes com taxa de acertos superior a 75%, sendo alguns ficando em 99%. O MLP apresentou os melhores resultados, mesmo quando os dados foram classificados a partir de uma única variável, que foi posteriormente retirada para não viciar o classificador. Com os resultados obtidos foi possível realizar a avaliação e ranqueamento com precisão e acurácia, utilizando a inteligência artificial em lotes de sementes de soja. Os atributos físicos não foram utilizados como principais variáveis, quando a classificação foi realizada com base no segundo teste de viabilidade por TZ. Com o C2, o Vigor e a Germinação se apresentaram primordiais para a classificação com precisão. Porém, alguns cientistas ainda salientam que para uma boa caracterização e ranqueamento do lote é necessário a realização de outros testes. Os impactos ambientais causados pelo excessivo uso de agroquímicos na implantação da cultura podem ser reduzidos devido à elevação da qualidade fisiológica e, dessa forma, tornar a cadeia produtiva mais sustentável utilizando a tecnologia de informação como ferramenta, visando melhorar a qualidade de vida das pessoas e atentar para o meio ambiente, de modo que todo o ecossistema receba os devidos cuidados.Brazil has an outstanding agriculture in the last forty years, with Artificial Intelligence drawing attention from researchers in general. However, there is a worldwide concern that values more the sustainable product, discarding from the purchase options when they do not meet these standards. Thus, the objective of this study was to use machine learning to enable the classification of soybean seeds with greater accuracy and efficiency, providing the rural producer with high quality seeds, reducing dependence on agrochemicals to achieve high productivity, in order to make the process safer and more environmentally sustainable. Data from tests performed in the seed analysis laboratories of the Federal University of Pelotas - RS and also from seed companies were used. The data were divided into two sets, C1 with three forms of classification, and C2 with fewer variables. The classifiers used were J48, Random Forest, CVR, lBk, MLP and NäiveBayes. To certify the accuracy of the algorithms, the following accuracy metrics were used: precision, recall, F-Measure, and ROC Area. The MLP and Random Forest algorithms obtained the best responses in the 2 classification forms of C1 and in C2, with more than 95% of assertiveness. All algorithms were able to classify the plots with hit rates higher than 75%, with some getting 99%. The MLP presented the best results, even when the data were classified from a single variable, which was later removed so as not to bias the classifier. With the results obtained it was possible to perform the evaluation and ranking with precision and accuracy, using artificial intelligence on soybean seed lots. The physical attributes were not used as main variables when the ranking was performed based on the second viability test by TZ. With C2, Vigor and Germination were shown to be paramount for accurate classification. However, some scientists still point out that for a good characterization and ranking of the batch it is necessary to perform other tests. The environmental impacts caused by excessive use of agrochemicals in the implementation of the crop can be reduced due to the elevation of physiological quality and, thus, make the production chain more sustainable by using information technology as a tool, aiming to improve the quality of life of people and pay attention to the environment, so that the entire ecosystem receives proper care.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESporUniversidade Federal de PelotasPrograma de Pós-Graduação em Ciências AmbientaisUFPelBrasilCC BY-NC-SAinfo:eu-repo/semantics/openAccessENGENHARIASENGENHARIA AGRICOLAProdução sustentávelAprendizado de máquinasGlycine maxRedução de impactosAgricultura 4.0Sustainable productionMachine learningImpact reductionAgriculture 4.0Uso de Inteligência Artificial para escolha de sementes visando a Sustentabilidade na Agricultura.Use of Artificial Intelligence for seed selection aiming at sustainability in agriculture.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisGadotti, Gizele IngridBernardy, Ruanreponame:Repositório Institucional da UFPel - Guaiacainstname:Universidade Federal de Pelotas (UFPEL)instacron:UFPELORIGINALDissertacao_RUAN BERNARDY.pdfDissertacao_RUAN BERNARDY.pdfapplication/pdf1016167http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9808/1/Dissertacao_RUAN%20BERNARDY.pdfd1cbfd93f8c4c8b280e703372efda2cbMD51open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-81960http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9808/2/license.txta963c7f783e32dba7010280c7b5ea154MD52open accessTEXTDissertacao_RUAN BERNARDY.pdf.txtDissertacao_RUAN BERNARDY.pdf.txtExtracted texttext/plain193605http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9808/3/Dissertacao_RUAN%20BERNARDY.pdf.txtd9b742755fc21e6eec3003cd2dea2111MD53open accessTHUMBNAILDissertacao_RUAN BERNARDY.pdf.jpgDissertacao_RUAN BERNARDY.pdf.jpgGenerated Thumbnailimage/jpeg1222http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9808/4/Dissertacao_RUAN%20BERNARDY.pdf.jpge2430a545bac9548edafd2760dfeb0c5MD54open accessprefix/98082023-07-15 03:00:49.683open accessoai:guaiaca.ufpel.edu.br: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Repositório InstitucionalPUBhttp://repositorio.ufpel.edu.br/oai/requestrippel@ufpel.edu.br || repositorio@ufpel.edu.br || aline.batista@ufpel.edu.bropendoar:2023-07-15T06:00:49Repositório Institucional da UFPel - Guaiaca - Universidade Federal de Pelotas (UFPEL)false |
dc.title.pt_BR.fl_str_mv |
Uso de Inteligência Artificial para escolha de sementes visando a Sustentabilidade na Agricultura. |
dc.title.alternative.pt_BR.fl_str_mv |
Use of Artificial Intelligence for seed selection aiming at sustainability in agriculture. |
title |
Uso de Inteligência Artificial para escolha de sementes visando a Sustentabilidade na Agricultura. |
spellingShingle |
Uso de Inteligência Artificial para escolha de sementes visando a Sustentabilidade na Agricultura. Bernardy, Ruan ENGENHARIAS Produção sustentável Aprendizado de máquinas Glycine max Redução de impactos Agricultura 4.0 Sustainable production Machine learning Impact reduction Agriculture 4.0 ENGENHARIA AGRICOLA |
title_short |
Uso de Inteligência Artificial para escolha de sementes visando a Sustentabilidade na Agricultura. |
title_full |
Uso de Inteligência Artificial para escolha de sementes visando a Sustentabilidade na Agricultura. |
title_fullStr |
Uso de Inteligência Artificial para escolha de sementes visando a Sustentabilidade na Agricultura. |
title_full_unstemmed |
Uso de Inteligência Artificial para escolha de sementes visando a Sustentabilidade na Agricultura. |
title_sort |
Uso de Inteligência Artificial para escolha de sementes visando a Sustentabilidade na Agricultura. |
author |
Bernardy, Ruan |
author_facet |
Bernardy, Ruan |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Gadotti, Gizele Ingrid |
dc.contributor.author.fl_str_mv |
Bernardy, Ruan |
contributor_str_mv |
Gadotti, Gizele Ingrid |
dc.subject.cnpq.fl_str_mv |
ENGENHARIAS |
topic |
ENGENHARIAS Produção sustentável Aprendizado de máquinas Glycine max Redução de impactos Agricultura 4.0 Sustainable production Machine learning Impact reduction Agriculture 4.0 ENGENHARIA AGRICOLA |
dc.subject.por.fl_str_mv |
Produção sustentável Aprendizado de máquinas Glycine max Redução de impactos Agricultura 4.0 Sustainable production Machine learning Impact reduction Agriculture 4.0 |
dc.subject.cnpq1.pt_BR.fl_str_mv |
ENGENHARIA AGRICOLA |
description |
O Brasil possui uma agricultura de destaque nos últimos quarenta anos, com a Inteligência Artificial chamando atenção de pesquisadores em geral. Porém, existe uma preocupação mundial que valoriza mais o produto sustentável, descartando das opções de compra quando não se encontram nesses padrões. Assim, o objetivo desse estudo foi utilizar o aprendizado de máquinas para permitir a classificação de sementes de soja com maior precisão e eficácia, fornecendo ao produtor rural sementes com alta qualidade, reduzindo a dependência de agroquímicos para alcançar alta produtividade, a fim de tornar o processo mais seguro e sustentável do ponto de vista ambiental. Foram utilizados dados provenientes de testes realizados nos laboratórios de análises de sementes da Universidade Federal de Pelotas – RS e também de empresas sementeiras. Os dados foram divididos em dois conjuntos, o C1 com três formas de classificação, e o C2 com menor quantidade de variáveis. Os classificadores utilizados foram J48, Random Forest, CVR, lBk, MLP e NäiveBayes. Para certificar a precisão dos algoritmos, utilizaram-se as métricas de acurácia: precisão, recall, F-Measure e ROC Area. Os algoritmos MLP e Random Forest obtiveram as melhores respostas em 2 formas de classificação do C1 e no C2, com mais de 95% de assertividade. Todos os algoritmos conseguiram classificar os lotes com taxa de acertos superior a 75%, sendo alguns ficando em 99%. O MLP apresentou os melhores resultados, mesmo quando os dados foram classificados a partir de uma única variável, que foi posteriormente retirada para não viciar o classificador. Com os resultados obtidos foi possível realizar a avaliação e ranqueamento com precisão e acurácia, utilizando a inteligência artificial em lotes de sementes de soja. Os atributos físicos não foram utilizados como principais variáveis, quando a classificação foi realizada com base no segundo teste de viabilidade por TZ. Com o C2, o Vigor e a Germinação se apresentaram primordiais para a classificação com precisão. Porém, alguns cientistas ainda salientam que para uma boa caracterização e ranqueamento do lote é necessário a realização de outros testes. Os impactos ambientais causados pelo excessivo uso de agroquímicos na implantação da cultura podem ser reduzidos devido à elevação da qualidade fisiológica e, dessa forma, tornar a cadeia produtiva mais sustentável utilizando a tecnologia de informação como ferramenta, visando melhorar a qualidade de vida das pessoas e atentar para o meio ambiente, de modo que todo o ecossistema receba os devidos cuidados. |
publishDate |
2023 |
dc.date.accessioned.fl_str_mv |
2023-07-14T23:05:20Z |
dc.date.available.fl_str_mv |
2023-07-14 2023-07-14T23:05:20Z |
dc.date.issued.fl_str_mv |
2023-02-23 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
BERNARDY, Ruan. Uso de Inteligência Artificial para escolha de sementes visando a Sustentabilidade na Agricultura. Orientadora: Gizele Ingrid Gadotti. 2023. 99f. Dissertação (Mestrado) - Programa de Pós-graduação em Ciências Ambientais. Centro de Engenharias, Universidade Federal de Pelotas, Pelotas, 2023. |
dc.identifier.uri.fl_str_mv |
http://guaiaca.ufpel.edu.br/xmlui/handle/prefix/9808 |
identifier_str_mv |
BERNARDY, Ruan. Uso de Inteligência Artificial para escolha de sementes visando a Sustentabilidade na Agricultura. Orientadora: Gizele Ingrid Gadotti. 2023. 99f. Dissertação (Mestrado) - Programa de Pós-graduação em Ciências Ambientais. Centro de Engenharias, Universidade Federal de Pelotas, Pelotas, 2023. |
url |
http://guaiaca.ufpel.edu.br/xmlui/handle/prefix/9808 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
CC BY-NC-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
CC BY-NC-SA |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pelotas |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Ciências Ambientais |
dc.publisher.initials.fl_str_mv |
UFPel |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Pelotas |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPel - Guaiaca instname:Universidade Federal de Pelotas (UFPEL) instacron:UFPEL |
instname_str |
Universidade Federal de Pelotas (UFPEL) |
instacron_str |
UFPEL |
institution |
UFPEL |
reponame_str |
Repositório Institucional da UFPel - Guaiaca |
collection |
Repositório Institucional da UFPel - Guaiaca |
bitstream.url.fl_str_mv |
http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9808/1/Dissertacao_RUAN%20BERNARDY.pdf http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9808/2/license.txt http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9808/3/Dissertacao_RUAN%20BERNARDY.pdf.txt http://guaiaca.ufpel.edu.br/xmlui/bitstream/prefix/9808/4/Dissertacao_RUAN%20BERNARDY.pdf.jpg |
bitstream.checksum.fl_str_mv |
d1cbfd93f8c4c8b280e703372efda2cb a963c7f783e32dba7010280c7b5ea154 d9b742755fc21e6eec3003cd2dea2111 e2430a545bac9548edafd2760dfeb0c5 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPel - Guaiaca - Universidade Federal de Pelotas (UFPEL) |
repository.mail.fl_str_mv |
rippel@ufpel.edu.br || repositorio@ufpel.edu.br || aline.batista@ufpel.edu.br |
_version_ |
1801846938670202880 |