Técnicas de agricultura digital para predição da maturação do amendoim

Detalhes bibliográficos
Autor(a) principal: Souza, Jarlyson Brunno Costa
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