Aprendizagem de máquina na determinação de ambientes de produção de cana-de-açúcar

• Ano de defesa: 2019
• Autor(a) principal: Almeida, Gabriela Mourão de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Agricultura de precisão; Manejo específico; Mapeamento do solo; Sustentabilidade produtiva; Precision agriculture; Specific management; Soil mapping; Productive sustainability
• Link de acesso: http://hdl.handle.net/11449/190811

A cana-de-açúcar é uma das culturas mais expressivas do mercado agrícola nacional. Visando um aumento de produtividade e qualidade da matéria prima, técnicas como a de manejo localizado, que já vem sendo adotada há muitos anos pelas usinas, porém, ainda de forma manual. O objetivo desse trabalho é determinar ambientes de manejo de cana-de-açúcar utilizando quantidade reduzida de variáveis de baixo custo, por meio de técnica de aprendizagem de máquina. Para atingir a máxima eficiência na predição, os dados foram submetidos à estatística descritiva, em seguida, à seleção de regressão “stepwise” para determinar quais variáveis seriam úteis ao modelo. Em seguida foi aplicado teste de multicolinearidade e, por fim, a árvore de decisão classificatória. Para avaliar a eficiência do modelo foi preparada uma matriz de confusão. Foi detectado que as variáveis ligadas às características de formação do solo foram as escolhidas para determinar os ambientes de produção, dando destaque a variável areia. A técnica de regressão “stepwise” mostrou-se eficiente na seleção de variáveis e a árvore de decisão mostrou eficiência na determinação dos ambientes, obtendo a satisfatória acurácia de 75%, além de ter gerado ambientes de manejo mais contínuos na área de cultivo.