Aplicação de técnicas de aprendizado de máquina na classificação de tipos de solo com base em seus perfis de nutrientes e análises fitopatológicas

  • Eron Ponce Pereira Centro Universitário Filadélfia - UniFil
  • Sergio Kenji Sawasaki Tanaka Centro Universitário Filadélfia - UniFil
  • Bruno Henrique Coleto Centro Universitário Filadélfia - UniFil
  • Sergio Akio Tanaka Centro Universitário Filadélfia - UniFil

Resumo

A agricultura de precisão é uma área que cresce exponencialmente, visto que este setor é o maior contribuinte para o PIB brasileiro. O problema a ser resolvido é a morosidade na identificação de padrões em análise de solo, sendo necessário uma demanda de diversos atores no processo da agricultura de precisão. Este trabalho tem uma aplicação prática utilizando a Inteligência Artificial com foco em aprendizagem de máquina com a visão computacional e análise de dados. Um estudo de caso prático, na área do agronegócio, está sendo implementado para resolver problemas na classificação de tipos de solos, com base em seus perfis de nutrientes e a identificação de fatores fitopatológicos em plantas. Foi elaborado um workflow para o entendimento do processo da análise de solo. Os resultados iniciais gerados com a implementação do projeto são promissores. Ao utilizar uma base de dados de plantio de solo contendo 2200 linhas foram gerados oito modelos de aprendizado supervisionado, variando em uma confiança de resultados de 93% a 99%. Portanto, verificou-se que é possível identificar a melhor cultura a ser plantada com os dados de uma análise de solo existente.

Publicado
2024-05-28
Como Citar
Pereira, E., Tanaka, S., Coleto, B., & Tanaka, S. (2024). Aplicação de técnicas de aprendizado de máquina na classificação de tipos de solo com base em seus perfis de nutrientes e análises fitopatológicas. Revista Terra & Cultura: Cadernos De Ensino E Pesquisa, 40(77), e3068. Recuperado de http://publicacoes.unifil.br/index.php/Revistateste/article/view/3068/2856