Técnicas de agricultura digital para predição da maturação do amendoim
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/11449/215995 |
Resumo: | Técnicas como o Sensoriamento Remoto (SR) e Aprendizado de Máquinas estão sendo amplamente utilizadas no estudo da vegetação e têm mostrado potencial em seu uso para monitoramento e estimativa de diversos parâmetros agronômicos. No entanto, o uso destas técnicas para a cultura do amendoim ainda se encontra incipiente. Dessa forma, os objetivos deste trabalho foram: (i) avaliar a qualidade das plataformas de sensoriamento remoto por meio de cartas de controle e verificar qual tem melhor potencial para o monitoramento da cultura. (ii) predizer a maturação do amendoim utilizando técnicas de Redes Neurais Artificias (RNA) e SR. No primeiro capítulo encontra-se a revisão de literatura. No segundo, realizou-se análise de variabilidade com auxílio de cartas de controle para verificar a qualidade da reflectância espectral e dos índices de vegetação gerados a partir de imagens de Veículo Aéreo Não Tripulado (UAV) e Satélite de alta resolução. Os resultados demonstraram que o satélite apresenta melhor qualidade no monitoramento espaço-temporal para as bandas e índices de vegetação, enquanto que o UAV saturou todas a bandas ao longo do tempo. No terceiro capítulo foram utilizados modelos de RNA’S para predição da maturação do amendoim, utilizando imagens de UAV e satélite. Verificou-se potencial nas duas plataformas para predizer a maturação, com os índices de vegetação NDVI do satélite e NDRE do UAV. Os modelos de redes MLP e RBF obtiveram resultados semelhantes em relação ao desempenho dos modelos gerados. Por fim, no capítulo cinco, tem-se as considerações finais, em que são apresentadas recomendações e trabalhos futuros para contribuir para o avanço do conhecimento. |
id |
UNSP_71e65948b7686ff744ca471b656822b6 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/215995 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Técnicas de agricultura digital para predição da maturação do amendoimDigital farming techniques for peanut maturity predictionSensoriamento remotoAprendizadoArtificiaisControle de qualidadeTécnicas como o Sensoriamento Remoto (SR) e Aprendizado de Máquinas estão sendo amplamente utilizadas no estudo da vegetação e têm mostrado potencial em seu uso para monitoramento e estimativa de diversos parâmetros agronômicos. No entanto, o uso destas técnicas para a cultura do amendoim ainda se encontra incipiente. Dessa forma, os objetivos deste trabalho foram: (i) avaliar a qualidade das plataformas de sensoriamento remoto por meio de cartas de controle e verificar qual tem melhor potencial para o monitoramento da cultura. (ii) predizer a maturação do amendoim utilizando técnicas de Redes Neurais Artificias (RNA) e SR. No primeiro capítulo encontra-se a revisão de literatura. No segundo, realizou-se análise de variabilidade com auxílio de cartas de controle para verificar a qualidade da reflectância espectral e dos índices de vegetação gerados a partir de imagens de Veículo Aéreo Não Tripulado (UAV) e Satélite de alta resolução. Os resultados demonstraram que o satélite apresenta melhor qualidade no monitoramento espaço-temporal para as bandas e índices de vegetação, enquanto que o UAV saturou todas a bandas ao longo do tempo. No terceiro capítulo foram utilizados modelos de RNA’S para predição da maturação do amendoim, utilizando imagens de UAV e satélite. Verificou-se potencial nas duas plataformas para predizer a maturação, com os índices de vegetação NDVI do satélite e NDRE do UAV. Os modelos de redes MLP e RBF obtiveram resultados semelhantes em relação ao desempenho dos modelos gerados. Por fim, no capítulo cinco, tem-se as considerações finais, em que são apresentadas recomendações e trabalhos futuros para contribuir para o avanço do conhecimento.Techniques such as Remote Sensing (RS) and Machine Learning are being widely used in the study of vegetation and have shown potential in their use for monitoring and estimation of several agronomic parameters. However, the use of these techniques for peanut cultivation is still incipient. Thus, the objectives of this work were (i) evaluate the quality of remote sensing platforms by means of control charts and verify which has the best potential for crop monitoring. (ii) to predict peanut maturity using Artificial Neural Networks (ANN) and SR techniques. The first chapter contains the literature review. In the second, variability analysis was performed using control charts to verify the quality of spectral reflectance and vegetation indices generated from Unmanned Aerial Vehicle (UAV) and high-resolution satellite images. The results showed that the satellite has better spatio-temporal monitoring quality for the bands and vegetation indices, while the UAV saturated all bands over time. In the third chapter, ANN models were used for peanut maturity prediction, using UAV and satellite images. Potential was found in both platforms to predict maturity, with the satellite NDVI and UAV NDRE vegetation indices. The MLP and RBF network models obtained similar results regarding the performance of the generated models. Finally, in chapter five, there are the final considerations, in which recommendations and future work are presented to contribute to the advancement of knowledge.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Universidade Estadual Paulista (Unesp)Silva, Rouverson Pereira daSantos, Adão felipe dosUniversidade Estadual Paulista (Unesp)Souza, Jarlyson Brunno Costa2022-01-21T11:47:42Z2022-01-21T11:47:42Z2021-07-29info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/21599533004102001P4porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-06-04T19:52:03Zoai:repositorio.unesp.br:11449/215995Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T23:02:14.583945Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Técnicas de agricultura digital para predição da maturação do amendoim Digital farming techniques for peanut maturity prediction |
title |
Técnicas de agricultura digital para predição da maturação do amendoim |
spellingShingle |
Técnicas de agricultura digital para predição da maturação do amendoim Souza, Jarlyson Brunno Costa Sensoriamento remoto Aprendizado Artificiais Controle de qualidade |
title_short |
Técnicas de agricultura digital para predição da maturação do amendoim |
title_full |
Técnicas de agricultura digital para predição da maturação do amendoim |
title_fullStr |
Técnicas de agricultura digital para predição da maturação do amendoim |
title_full_unstemmed |
Técnicas de agricultura digital para predição da maturação do amendoim |
title_sort |
Técnicas de agricultura digital para predição da maturação do amendoim |
author |
Souza, Jarlyson Brunno Costa |
author_facet |
Souza, Jarlyson Brunno Costa |
author_role |
author |
dc.contributor.none.fl_str_mv |
Silva, Rouverson Pereira da Santos, Adão felipe dos Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Souza, Jarlyson Brunno Costa |
dc.subject.por.fl_str_mv |
Sensoriamento remoto Aprendizado Artificiais Controle de qualidade |
topic |
Sensoriamento remoto Aprendizado Artificiais Controle de qualidade |
description |
Técnicas como o Sensoriamento Remoto (SR) e Aprendizado de Máquinas estão sendo amplamente utilizadas no estudo da vegetação e têm mostrado potencial em seu uso para monitoramento e estimativa de diversos parâmetros agronômicos. No entanto, o uso destas técnicas para a cultura do amendoim ainda se encontra incipiente. Dessa forma, os objetivos deste trabalho foram: (i) avaliar a qualidade das plataformas de sensoriamento remoto por meio de cartas de controle e verificar qual tem melhor potencial para o monitoramento da cultura. (ii) predizer a maturação do amendoim utilizando técnicas de Redes Neurais Artificias (RNA) e SR. No primeiro capítulo encontra-se a revisão de literatura. No segundo, realizou-se análise de variabilidade com auxílio de cartas de controle para verificar a qualidade da reflectância espectral e dos índices de vegetação gerados a partir de imagens de Veículo Aéreo Não Tripulado (UAV) e Satélite de alta resolução. Os resultados demonstraram que o satélite apresenta melhor qualidade no monitoramento espaço-temporal para as bandas e índices de vegetação, enquanto que o UAV saturou todas a bandas ao longo do tempo. No terceiro capítulo foram utilizados modelos de RNA’S para predição da maturação do amendoim, utilizando imagens de UAV e satélite. Verificou-se potencial nas duas plataformas para predizer a maturação, com os índices de vegetação NDVI do satélite e NDRE do UAV. Os modelos de redes MLP e RBF obtiveram resultados semelhantes em relação ao desempenho dos modelos gerados. Por fim, no capítulo cinco, tem-se as considerações finais, em que são apresentadas recomendações e trabalhos futuros para contribuir para o avanço do conhecimento. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-07-29 2022-01-21T11:47:42Z 2022-01-21T11:47:42Z |
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/11449/215995 33004102001P4 |
url |
http://hdl.handle.net/11449/215995 |
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 |
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_ |
1808129484366282752 |