RealSense: uma abordagem explorando aprendizado de máquina no monitoramento de temperatura e umidade em sistemas de compostagem

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Moncks, Paulo César Sedrez
Orientador(a): Marques, Felipe de Souza
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pelotas
Programa de Pós-Graduação: Programa de Pós-Graduação em Computação
Departamento: Centro de Desenvolvimento Tecnológico
País: Brasil
Palavras-chave em Português:
Área do conhecimento CNPq:
Link de acesso: http://guaiaca.ufpel.edu.br/handle/prefix/6216
Resumo: A compostagem, enquanto "reciclagem dos resíduos orgânicos", é uma forma de recuperar os nutrientes e levá-los de volta ao ciclo natural, enriquecendo o solo para agricultura e diminuindo a necessidade de aquisição de adubo industrializado. É também uma maneira de minimizar o lixo produzido, destinando corretamente um resíduo que se acumularia nos lixões e aterros, gerando mau-cheiro, liberando gás metano e chorume, o qual, enquanto líquido, tem potencial para contaminar o solo e as águas. Ressalte-se que, hoje, cerca de 60% do lixo no país é composto por resíduos orgânicos, cujo depósito em lixões geram severos impactos negativos ao meio ambiente e à saúde pública. Ao longo do processo de compostagem, por se tratar de uma decomposição aeróbia, existem variações de temperatura e umidade, e se não houver monitoramento e controle sobre estas variáveis, as reações bioquímicas não ocorrerão adequadamente. Existem estudos direcionados a diferentes tipos de solos que utilizam métodos não destrutivos para aferir o teor de umidade de forma rápida e precisa, como os baseados em sensores capacitivos. Particularmente, se tratando de compostagem, percebe-se a necessidade de estudos mais aprofundados, que considerem as significativas mudanças nos seus aspectos constitutivos ao longo de um único ciclo de produção e, somando-se a isto, as características individuais de substratos de cada leira. Considerando este cenário, este trabalho tem como objetivo central a concepção de uma proposta de hardware e software denominada RealSense, que explora técnicas de aprendizado de máquina para o autoajuste de um sensor capacitivo, considerando seu uso em compostagens de diferentes naturezas. O foco é qualificar o monitoramento da umidade, provendo um maior controle das proporções dos diferentes resíduos e dos materiais aeradores, obtendo como resultado uma melhor atividade para os organismos microscópicos que ajudam na decomposição e, consequentemente, gerando um adubo mais adequado. A avaliação do resultado teve a Gravimetria como base para validação do modelo proposto. Com a análise dos resultados foi possível concluir que a técnica proposta se mostrou rápida e confiável na medição de umidade em compostagem, alcançando um coeficiente de correlação de 0.9939 entre o teor de umidade e a predição.