Return to search

Estimação de variáveis físico-químicas de solo por espectroscopia no visível e no infravermelho próximo através de sistemas inteligentes

Made available in DSpace on 2014-06-11T19:22:34Z (GMT). No. of bitstreams: 0
Previous issue date: 2011-08-26Bitstream added on 2014-06-13T18:49:37Z : No. of bitstreams: 1
marconato_es_me_bauru.pdf: 1206389 bytes, checksum: f8a0f6e58685127f646ddaaf87172d95 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / O agronegócio possui participação fundamental no cenário econômico brasileiro, com reflexos importantes sobre o produto interno bruto, as exportações e a geração de empregos. A viabilidade econômica do setor agropecuário a partir da redução dos custos de produção, do aumento da produtividade e da redução ambiental causado pelo excesso de insumos, depende da Agricultura de Precisão. As informações referentes à variabilidade de diferentes propriedades do solo dentro da lavoura são fundamentais no processo de tomada de decisão. Uma das limitações da Agricultura de Precisão, a incapacidade de se obter as propriedades do solo de maneira rápida e com baixo custo, tem levado pesquisadores a desenvolver sensores para análise de solo em tempo real, sendo a espectroscopia uma das técnicas utilizadas. Neste trabalho, redes neurais artificiais (RNA) foram utilizadas como ferramenta inteligente para, a partir de uma massa de dados fornecidas por um sensor de solo em tempo real que utiliza a técnica de espectroscopia, estimar os teores de nitrogênio total e umidade do solo. O trabalho apresenta também uma comparação entre o resultado das redes neurais artificiais e o resultado da estimação de um software de análise quimiométrica utilizando a mesa massa de dados. o desempenho apresentado pelas redes neurais artificiais mostra ser possível sua utilização como ferramenta alternativa aos softwares de análise quimiométrica, além de permitir embarcar a inteligência de estimação, o que pode ser um passo preliminar para o desenvolvimento de equipamentos de baixo custo para análise de solo em tempo real / Agribusiness has a fundaental role in the Brazilian economy, with important consequences on the gross domestic produtt, exports and job generation. The economic viability of the agricultural sector by reducing production costs, increasing productivity and reducing the environmental impact caused by excessive inputs, depends on Precision Agriculture. Information concerning the variability of different soil properties whitin the crop is essential in the process of decision making. One of the limitations of precision agriculture, the inability to obtain the soil characteristics quickly and cost effectively, has led researchers to develop sensors for soil analysis in real time, using the technique of spectroscopy. This work used artificial neural networks (ANN) as a smart tool for estimating the total nitrogen content and soil moisture from data provided by a real time soil sensor using the technique of spectroscopy. This work also presents a comparison between the estimation results of the artificial neural networks and the estimation results of a chemometric analysis software using the same database The performance of the neural networks shows its possible use as can alternative tool to chemometric analysis software and allows the estimative intelligence to be embedded, which may be a preliminary step for the development of low-cost equipment for real-time soil analysis

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.unesp.br:11449/87191
Date26 August 2011
CreatorsMarconato, Evandro Sérgio [UNESP]
ContributorsUniversidade Estadual Paulista (UNESP), Serni, Paulo José Amaral [UNESP]
PublisherUniversidade Estadual Paulista (UNESP)
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Format144 f. : il.
SourceAleph, reponame:Repositório Institucional da UNESP, instname:Universidade Estadual Paulista, instacron:UNESP
Rightsinfo:eu-repo/semantics/openAccess
Relation-1, -1

Page generated in 0.0026 seconds