Detalhes bibliográficos
Ano de defesa: |
2019 |
Autor(a) principal: |
Voss, Henike Guilherme Jordan
 |
Orientador(a): |
Stevan Junior, Sergio Luiz
 |
Banca de defesa: |
Falate, Rosane
,
Martins, Marcella Scoczynski Ribeiro
 |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Estadual de Ponta Grossa
|
Programa de Pós-Graduação: |
Programa de Pós Graduação Computação Aplicada
|
Departamento: |
Departamento de Informática
|
País: |
Brasil
|
Palavras-chave em Português: |
|
Área do conhecimento CNPq: |
|
Link de acesso: |
http://tede2.uepg.br/jspui/handle/prefix/2832
|
Resumo: |
Em regiões com o predomínio da agricultura, a inspeção da qualidade e do índice de maturação dos frutos no pomar é geralmente analisado pela experiência do agricultor, o que pode estar sujeito a erros e gerar um custo maior de tempo e dinheiro. Dependendo do período de colheita dos frutos, a fruta pode ter diferentes qualidades em diferentes pontos da área de plantio. Os compostos orgânicos voláteis (COVs) variam de quantidade e tipo conforme as diferentes etapas de crescimento dos frutos. Assim, um equipamento para o monitoramento que gere uma resposta rápida e precisa do ciclo de crescimento dos pêssegos na cultura é desejável, aliado a um reduzido custo de comercialização. Para esse fim, os narizes eletrônicos mostram-se como uma alternativa, pois possibilita o monitoramento online dos COVs gerados pela cultura. Neste contexto, um protótipo foi desenvolvido para identificar a maturação do pêssego Eragil no ciclo de crescimento pré-colheita, que compreendeu o período de agosto a dezembro de 2018, no Brasil. Foram estudados modelos com os 13 sensores de gás feitos com semicondutor de óxido metálico (MOS) e a redução para 6 sensores com o auxílio do teste Chi-quadrado de Pearson, a fim de comparação. Amostras com 4 estágios de crescimento foram utilizadas para o treinamento e construção do modelo. A taxa de erro de 1,92% na etapa de teste das amostras, utilizando o método Random Forest, com análise discriminante linear, para o conjunto de dados reduzido para 6 sensores, mostra que o dispositivo é promissor para monitoramento de áreas com uma intensa emissão de COVs. Os resultados obtidos nessa pesquisa mostram-se satisfatórios, nas comparações quantitativas (erros) e qualitativas dadas pelo equipamento, com base no que foi encontrado na pesquisa bibliográfica, uma vez que as aplicações tendem a realizar a medida do fruto pós-colheita e não a avaliação do fruto durante o seu crescimento, no pomar. |