Detalhes bibliográficos
| Ano de defesa: |
2014 |
| Autor(a) principal: |
Coelho, Saulo Silva [UNESP] |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Estadual Paulista (Unesp)
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://hdl.handle.net/11449/116035
|
Resumo: |
O Brasil possui um grande potencial no setor do agronegócio e a associação desse setor com o desenvolvimento tecnológico deu origem à Agricultura de Precisão. Nesse contexto, o uso de sensores de Nitrogênio foliar de tempo real, especificamente os que utilizam como princípio de funcionamento e espectrometria, em conjunto com sistemas inteligentes computacionais, tem contribuído de forma decisiva para o incremento da produtividade no campo, evitando a aplicação excessiva de insumos e, assim, preservando o meio ambiente. Um insumo comumente aplicado na cultura de cana-de-açúcar é o Nitrogênio que, apesar de ter grande contribuição econômica, impõe grande impacto ao meio ambiente, principalmente na poluição de aquíferos e mananciais. Dessa maneira, a quantidade aplicada desse nutriente é de grande importância, pois sua falta limita o crescimento da cultura e seu excesso polui o meio ambiente. A determinação da quantidade de Nitrogênio pode ser feita por meio do uso de sensores espectrométricos na faixa do infravermelho próximo visando a cobertura verde da cultura. Entretanto, no estágio inicial de crescimento, a cobertura verde não é plena, de forma que o sensor detecta, além da cobertura verde, o solo e cobertura morta, acrescentando ruído à medida da refletância usada para a estimação do teor de Nitrogênio na planta. Nesse cenário, este trabalho tem o objetivo de mapear a relação entre os valores fornecidos pelo sensor N-SENSOR ALS do fabricante norueguês YARA e os teores reais de Nitrogênio na planta medidos em laboratório. Mais especificamente, sistema de inferência neuro-fuzzy adaptativo (ANFIS), redes neurais artificiais do tipo Perceptron de Múltiplas Camadas (PMC) e General Regression Neural Network (GRNN) serão empregados visando a identificação e o aprendizado da relação entre os valores medidos pelo sensor N-SENSOR ALS e os valores reais obtidos em laboratório, eliminando os ruídos... |
