Um modelo de rede neural para estimar a produtividade de milho a partir de imagens de satélite

• Ano de defesa: 2022
• Autor(a) principal: Apoitia, Carlos Eduardo de Moura
• Orientador(a): Ramos, Gabriel de Oliveira
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Vale do Rio dos Sinos
• Programa de Pós-Graduação: Programa de Pós-Graduação em Computação Aplicada
• Departamento: Escola Politécnica
• País: Brasil
• Palavras-chave em Português: Agricultura inteligente; Aprendizado de máquina; Desmatamento; Inteligência artificial; Estimativa de produtividade de safras; Redes Neurais Convolucionais
• Palavras-chave em Inglês: Artificial intelligence; Convolutional Neural NetWork (CNN); Crop yield prediction; Deforestation; Machine learning; Smart agriculture
• Área do conhecimento CNPq: ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação
• Link de acesso: http://www.repositorio.jesuita.org.br/handle/UNISINOS/12151

A moratória da soja tem sido um importante instrumento que visa reduzir o desmatamento no bioma amazônico. No entanto, a existência do desmatamento ilegal das florestas crescer proporcionalmente com os números de terras embargadas. Visto que na moratória existem algumas brechas que vêm sendo exploradas por produtores ligados ao desmatamento e práticas como a lavagem de grãos, o que dificulta aos analistas e órgãos controle na identificação da produtividade real de um imóvel. Este trabalho propõe um modelo de redes neurais artificiais, denominado Deep Yield Prediction (DYP), capaz de decodificar as informações aprendidas usando redes neurais convolucionais (CNN) em predições de produtividade de safras de milho, de forma que auxilie na identificação de quanto um imóvel produzirá. Colaborando assim, para a quebra do ciclo de lavagem de grãos e desmatamento ilegal no bioma Amazônico.