Orientador: Stanley Robson de Medeiros Oliveira / Acompanhado de 1 DVD / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola / Made available in DSpace on 2018-08-16T20:09:48Z (GMT). No. of bitstreams: 1 Nonato_RobsonTavares_M.pdf: 2571579 bytes, checksum: 95440ba27ff9c0fe2dfa47f9b7f3d9e5 (MD5) Previous issue date: 2010 / Resumo: O surgimento e a evolução das geotecnologias, que podem ser entendidas como tecnologias originadas de estudos e pesquisas na área de sensoriamento remoto, mais especificamente da utilização de sensores situados na órbita do planeta Terra, têm permitido o desenvolvimento de metodologias inovadoras para o mapeamento da cobertura do solo e o monitoramento agrícola. O emprego dessas novas tecnologias tem permitido, também, uma melhoria das metodologias utilizadas na estimativa da produtividade agrícola e na previsão de safras. Mesmo assim, no Brasil, muitas das metodologias empregadas no mapeamento agrícola ainda utilizam as imagens de satélite como material auxiliar, principalmente, em levantamentos amostrais. Isto se deve, em parte, aos avanços necessários no processo de extração de informações das imagens. Dentre estes avanços, deve-se destacar a necessidade de melhoria dos métodos utilizados para identificação e classificação digital de regiões contendo a cultura agrícola de interesse dentro da imagem. Amplamente utilizadas na resolução de problemas de classificação automatizada de dados, nas mais diversas áreas do conhecimento, as técnicas de mineração de dados se apresentam como uma alternativa promissora na resolução de problemas de identificação e classificação de regiões cultivadas com cana-de-açúcar. Dentro desse contexto, o objetivo desse trabalho foi avaliar as técnicas de mineração de dados voltadas para classificação de dados, dentre elas os métodos de seleção de atributos e a técnica de árvore de decisão binária na identificação de áreas cultivadas com cana-de-açúcar, no estado de São Paulo, em imagens com correção atmosférica do sensor TM a bordo do satélite Landsat 5. Também foi investigado o resultado da inserção de atributos de textura e de índices de vegetação com o objetivo de melhorar os resultados da identificação e classificação de áreas cultivadas com cana-de-açúcar. Neste trabalho foram abordados três cenários contendo áreas cultivadas com canade- açúcar. No primeiro cenário, a técnica de árvore de decisão foi avaliada na classificação de pixels puros de regiões cultivadas com cana-de-açúcar em meio a alvos diversos, como áreas urbanas, solo exposto, corpos compostos por água e outros tipos de vegetação. No segundo cenário, a ênfase foi a classificação de pixels puros de regiões cultivadas com cana-de-açúcar em diferentes fases fenológicas. No último cenário, a técnica de classificação foi avaliada na distinção de pixels puros de regiões cultivadas com cana-de-açúcar, em diferentes fases fenológicas, e em meio a outros tipos de cobertura do solo como áreas urbanas, solo exposto, corpos compostos por água e outros tipos de vegetação, como pastos e florestas. Nos três cenários abordados, os modelos de árvores de decisão binária, induzidos pelo algoritmo J48, produziram taxas de acerto superiores a 90%. A introdução de atributos de textura trouxe ganhos expressivos nos três cenários e contribuiu para melhorar a distinção de áreas cultivadas com cana-de-açúcar em meio a tipos diversos de cobertura do solo, como solo exposto, área urbana e corpos d'água. Os resultados de todos os cenários estudados reforçam o potencial forte das árvores de decisão no processo de classificação e identificação de áreas cultivadas com canade- açúcar, em diferentes cidades produtoras no estado de São Paulo. Também, deve-se destacar, que as técnicas de mineração de dados destinadas à seleção de subconjuntos de atributos relevantes para a classificação trouxeram redução significativa dos conjuntos de dados e permitiram a identificação de modelos melhores de classificação / Abstract: The appearance and evolution of geotechnologies, notably those originated from research results in the area of remote sensing, allowed for the development of innovative methodologies for the land cover mapping and agricultural monitoring. The use of such technologies also allowed for a significant improvement in the methods used for agricultural productivity and crop forecasting. However, in Brazil, most of the methodologies applied to agricultural mapping are still using remote sensing images as an auxiliary tool, especially in connection with sample surveys designed to solve agricultural problems. This fact may be explained, in part, by the advances in the information extraction process of remote sensing images. Among such advances, it could be highlighted the need for improvement in methods used for identification and digital classification of regions containing agricultural crops inside the remote sensing images. Frequently used to solve data classification problems at the most different knowledge areas, the data mining techniques arise as alternative way to solve problems related to classification of pixels related to sugar cane tilled areas. So this work aimed evaluate the data mining techniques driven for data classification like decision tree learning methods and feature selection methods for the identification and classification of tilled regions with sugar cane inside TM Landsat 5 images. In this work three scenarios having tilled areas with sugar cane inside were evaluated. In the first scenario, decision tree learning technique was evaluated in the classification process of pixels having only sugar cane tilled areas among several others soil coverage like water, rivers, lakes, forest and others kind of vegetations. The second scenario was compound by pure pixels having only sugar cane in three different age phases. In the last scenario, the decision three learning technique was evaluated in the distinction of pure pixels having sugar cane in three different age phases among different kinds of soil coverage like urban areas, water, rivers, lakes, forests and vegetation. In all of the three scenarios, the binary decision three learning techniques, inducted by J48 algorithm, produced accuracy rates up to 90%. The insertion of the texture attributes produced relevant gains in two of three scenarios and also has demonstrated to bring contribution to improvement of the classification process of tilled sugar cane among different kinds of soil coverage. The observed results in all studied scenarios confirm the relevance of the decision three learning technique in the classification and identification process of regions tilled with sugar cane in different producer cities from the state of São Paulo. Also, should be highlighted that data mining techniques driven to feature selection have bring significant reduction of the databases and allowed the identification of better classification models / Mestrado / Planejamento e Desenvolvimento Rural Sustentável / Mestre em Engenharia Agrícola

Orientador: Nelson Luís Cappelli / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agrícola / Made available in DSpace on 2018-08-21T09:12:28Z (GMT). No. of bitstreams: 1 Matos_Rafaelde_M.pdf: 3106025 bytes, checksum: 2cac9a3216fa59519a7f0746ec332829 (MD5) Previous issue date: 2012 / Resumo: O crescimento da demanda por cana-de-açúcar e a necessidade de agilidade no processamento do produto, levou o setor agrícola a buscar sistemas de colheita de maior capacidade no campo. No entanto, as colhedoras ainda apresentam alguns pontos críticos em função da qualidade de trabalho devido aos diversos tipos de perdas do produto durante a colheita. A maioria das deficiências encontradas na colhedora podem ser eliminadas, ou pelo menos minimizadas, com a adoção de inovações tecnológicas que permitam a operação otimizada e precisa de diversos de seus subsistemas. Alguns sistemas da colhedora, como por exemplo o circuito do extrator primário, ainda não apresentam um projeto bem definido para os diferentes modelos de colhedoras. Por isso, para começar a haver uma melhora nesse circuito, a análise do consumo de potência de todo esse sistema de limpeza, com valores de potência consumida e instalada, poderia ajudar a entender melhor seu funcionamento. O objetivo deste trabalho foi avaliar a demanda de potência hidráulica no motor hidráulico, instalado no extrator primário da colhedora de cana-de-açúcar, em condições de regime de operação da máquina, além de analisar a relação entre a potência instalada no circuito e a potência consumida. Para isso, instrumentaram-se dois modelos de colhedora e foram realizados quatro ensaios para aquisição de dados de vazão hidráulica e diferencial de pressão no motor hidráulico do extrator, considerando a máquina parada no pátio de uma oficina e operando em campo. Com a máquina parada, ou seja, sem fluxo mássico de cana e impureza proveniente da cana passando pelo ventilador, a potência consumida pelo motor foi de 14,75 kW para uma velocidade angular de 104,7 rad s-1. Já com a colhedora operando em campo, com fluxo mássico de matéria seca passando pelo sistema de limpeza, os resultados foram superiores ao dobro encontrado para os testes com a colhedora parada. Quando comparados à potência nominal instalada, apresentam valores de potência hidráulica consumida de 30 a 50% da potência nominal, o que indica o superdimensionamento de potência dos motores do extrator primário / Abstract: The growing demand of sugar cane and the need for agility in the processing of this product, the agricultural sector led to seek cropping systems with greater capacity in the field. However, the sugar cane harvesters still have some critical points depending on the quality of work due to various types of product losses during harvest. Most of the deficiencies found in the harvester can be eliminated, or at least minimized, with the adoption of technological innovations that allow an optimal operation of its various subsystems. Some systems of the harvester such as the circuit of the primary extractor, does not have a welldefined design for different models of harvesters. So to start an improvement in this circuit, the analysis of power consumption of its cleaning system, with values of power consumed and installed, could help to better understand its operation. The objective of this study was to evaluate the demand for hydraulic power of the hydraulic motor installed on the primary extractor of sugar cane harvesters in terms of machine operation system and analyze the relationship between the installed power in the circuit and power consumed. For this, two models of combines were used in four tests, that were performed for data acquisition of hydraulic flow and differential pressure in the extractor's hydraulic motor, considering the machine stopped in the courtyard and working in the field. With the machine stopped, in other words without mass flow of sugar cane and impurity passing through the fan, the power consumed by the motor was 14.75 kW with an angular velocity of 104.7 rad s-1. In the field operation with mass flow through the cleaning system, the results were more than twice found for the tests with the harvester stopped. When compared to the nominal power installed, the values of hydraulic power consumed ranged from 30 to 50% of rated output, which indicates the overestimation of the power in the primary motor of the extractor / Mestrado / Maquinas Agricolas / Mestre em Engenharia Agrícola