Aplicação de redes neurais convolucionais para medição de patinagem em tratores agrícolas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/214155 |
Resumo: | Assim como na Indústria, a era 4.0 chegou na Agricultura. Técnicas, ferramentas, sistemas de tecnologia da informação e robótica passaram a contribuir ativamente para a digitalização da Agricultura. Além da evolução tecnológica, existe uma orientação à sustentabilidade da Agricultura e utilização racional dos recursos naturais renováveis e não renováveis. Os tratores agrícolas atuais são energeticamente mais eficientes e menos poluentes desde que estejam adequados a operação em curso. Caso o conjunto trator-implemento-solo (TIS) esteja mal equilibrado, haverá redução da eficiência operacional, aumento no consumo de combustível, incremento dos custos de manutenção, desgaste prematuro dos pneus entre outros efeitos na operação agrícola. O índice de patinagem é um dos entes a serem medidos e controlados para verificar o quão bem balanceado o TIS está. Nesse contexto misto de tradição e inovação, objetivou-se neste trabalho a verificação da aplicabilidade de redes neurais convolucionais para reconhecimento e contagem de padrões visuais para então, indiretamente, medir o deslocamento das rodas de um trator com e sem carga. De posse dessas informações, foi possível determinar os índices de patinagem de dois tratores agrícolas. Futuramente essa tecnologia poderá ser adaptada para aplicações em smartphones comerciais. De posse dos níveis de patinagem, os produtores agrícolas poderão fazer os ajustes necessários à operação e assim, usar mais racionalmente os recursos naturais, máquinas, implementos agrícolas e mão-de-obra com vistas à sustentabilidade do negócio. |
id |
UNSP_3f84ae24622e12dd40f5f3d72f76d709 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/214155 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Aplicação de redes neurais convolucionais para medição de patinagem em tratores agrícolasApplication of convolutional neural networks to measure agricultural tractor slipagge indexAgricultura de PrecisãoInteligência ArtificialSustentabilidadeArtificial IntelligenceSustainabilityAssim como na Indústria, a era 4.0 chegou na Agricultura. Técnicas, ferramentas, sistemas de tecnologia da informação e robótica passaram a contribuir ativamente para a digitalização da Agricultura. Além da evolução tecnológica, existe uma orientação à sustentabilidade da Agricultura e utilização racional dos recursos naturais renováveis e não renováveis. Os tratores agrícolas atuais são energeticamente mais eficientes e menos poluentes desde que estejam adequados a operação em curso. Caso o conjunto trator-implemento-solo (TIS) esteja mal equilibrado, haverá redução da eficiência operacional, aumento no consumo de combustível, incremento dos custos de manutenção, desgaste prematuro dos pneus entre outros efeitos na operação agrícola. O índice de patinagem é um dos entes a serem medidos e controlados para verificar o quão bem balanceado o TIS está. Nesse contexto misto de tradição e inovação, objetivou-se neste trabalho a verificação da aplicabilidade de redes neurais convolucionais para reconhecimento e contagem de padrões visuais para então, indiretamente, medir o deslocamento das rodas de um trator com e sem carga. De posse dessas informações, foi possível determinar os índices de patinagem de dois tratores agrícolas. Futuramente essa tecnologia poderá ser adaptada para aplicações em smartphones comerciais. De posse dos níveis de patinagem, os produtores agrícolas poderão fazer os ajustes necessários à operação e assim, usar mais racionalmente os recursos naturais, máquinas, implementos agrícolas e mão-de-obra com vistas à sustentabilidade do negócio.The 4.0 era has arrived to the Agriculture as it had happened into the Industry. Techniques, tools and information systems and robotics started contributing actively to the Agriculture digitalization. It is not only technological evolution, but also growing concern regarding sustainability and proper use of renewable and nonrenewable resources. In general, current farm tractors are more energetically efficient and less polluter if they are properly adjusted to the ongoing operation. When the set tractor-implement-soil (TIS) is misbalanced, there will be reduction of operational efficiency, increase in fuel consumption and maintenance costs, premature wear to tires among other negative effects to the operation. The slippage index is one of the entity to be measured and controlled to know how well TIS is balanced. In the context of innovation and traditional concepts, this study aimed to evaluate the applicability of convolutional neural networks (CNNs) to recognize and count marked patterns into the tire sidewall to then, indirectly, measure the displacement of the rear wheel with and without load. Based on these pieces of information, it was possible to measure, with certain limitation, the slippage index of farm tractors. In the future, this technology may be adapted to commercial smartphones as an application. By knows the slippage index at a glance, farmers will be able to do the necessary adjustments to the operation. As a result, there will be a more rational use of natural resources, machinery, implements and labor while keeping business sustainability.Universidade Estadual Paulista (Unesp)Silva, Rouverson Pereira [UNESP]Universidade Estadual Paulista (Unesp)Feih, Rafael Rodrigues2021-08-24T14:34:11Z2021-08-24T14:34:11Z2021-06-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfhttp://hdl.handle.net/11449/21415533004102001P4porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-06-04T19:52:02Zoai:repositorio.unesp.br:11449/214155Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T21:27:44.805698Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Aplicação de redes neurais convolucionais para medição de patinagem em tratores agrícolas Application of convolutional neural networks to measure agricultural tractor slipagge index |
title |
Aplicação de redes neurais convolucionais para medição de patinagem em tratores agrícolas |
spellingShingle |
Aplicação de redes neurais convolucionais para medição de patinagem em tratores agrícolas Feih, Rafael Rodrigues Agricultura de Precisão Inteligência Artificial Sustentabilidade Artificial Intelligence Sustainability |
title_short |
Aplicação de redes neurais convolucionais para medição de patinagem em tratores agrícolas |
title_full |
Aplicação de redes neurais convolucionais para medição de patinagem em tratores agrícolas |
title_fullStr |
Aplicação de redes neurais convolucionais para medição de patinagem em tratores agrícolas |
title_full_unstemmed |
Aplicação de redes neurais convolucionais para medição de patinagem em tratores agrícolas |
title_sort |
Aplicação de redes neurais convolucionais para medição de patinagem em tratores agrícolas |
author |
Feih, Rafael Rodrigues |
author_facet |
Feih, Rafael Rodrigues |
author_role |
author |
dc.contributor.none.fl_str_mv |
Silva, Rouverson Pereira [UNESP] Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Feih, Rafael Rodrigues |
dc.subject.por.fl_str_mv |
Agricultura de Precisão Inteligência Artificial Sustentabilidade Artificial Intelligence Sustainability |
topic |
Agricultura de Precisão Inteligência Artificial Sustentabilidade Artificial Intelligence Sustainability |
description |
Assim como na Indústria, a era 4.0 chegou na Agricultura. Técnicas, ferramentas, sistemas de tecnologia da informação e robótica passaram a contribuir ativamente para a digitalização da Agricultura. Além da evolução tecnológica, existe uma orientação à sustentabilidade da Agricultura e utilização racional dos recursos naturais renováveis e não renováveis. Os tratores agrícolas atuais são energeticamente mais eficientes e menos poluentes desde que estejam adequados a operação em curso. Caso o conjunto trator-implemento-solo (TIS) esteja mal equilibrado, haverá redução da eficiência operacional, aumento no consumo de combustível, incremento dos custos de manutenção, desgaste prematuro dos pneus entre outros efeitos na operação agrícola. O índice de patinagem é um dos entes a serem medidos e controlados para verificar o quão bem balanceado o TIS está. Nesse contexto misto de tradição e inovação, objetivou-se neste trabalho a verificação da aplicabilidade de redes neurais convolucionais para reconhecimento e contagem de padrões visuais para então, indiretamente, medir o deslocamento das rodas de um trator com e sem carga. De posse dessas informações, foi possível determinar os índices de patinagem de dois tratores agrícolas. Futuramente essa tecnologia poderá ser adaptada para aplicações em smartphones comerciais. De posse dos níveis de patinagem, os produtores agrícolas poderão fazer os ajustes necessários à operação e assim, usar mais racionalmente os recursos naturais, máquinas, implementos agrícolas e mão-de-obra com vistas à sustentabilidade do negócio. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-08-24T14:34:11Z 2021-08-24T14:34:11Z 2021-06-18 |
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.uri.fl_str_mv |
http://hdl.handle.net/11449/214155 33004102001P4 |
url |
http://hdl.handle.net/11449/214155 |
identifier_str_mv |
33004102001P4 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1808129322762895360 |