Navegando por Autor "Andrade, Thiago"

Agora exibindo 1 - 1 de 1

Desenvolvimento de sistemas inteligentes para a predição de pragas e doenças no cafeeiro
(Universidade Federal de Lavras, 2021-04-09) Andrade, Thiago; Ferreira, Danton Diego; Silva, Rogério Antônio
As pragas e doenças no cafeeiro, ocasionadas por bicho-mineiro-do-cafeeiro, broca-do-café, ferrugem-do-cafeeiro e cercosporiose, chegam a atingir até 50% de uma lavoura cafeeira, podendo causar grandes prejuízos aos cafeicultores. Sendo assim, os sistemas inteligentes são de suma importância para predizer esses danos ao cafeeiro e também auxiliar os cafeicultores na tomada de decisão. Este trabalho propõe o uso de redes neurais artificiais do tipo Multilayer Perceptron (MLP) e árvores de decisão para o desenvolvimento de sistemas inteligentes para prever a taxa de ocorrência de pragas e incidência de doenças no cafeeiro. Utilizou-se um método de regressão linear no intuito de compará-lo com os modelos de sistemas inteligentes por meio de métricas estatísticas. Foram utilizados dados meteorológicos, tais como: temperaturas mínima e máxima, precipitação pluviométrica, umidade relativa do ar, incidência de raios solares e a quantidade de dias sem chuva na região como variáveis de entrada dos modelos. O valor dos dados referentes às pragas e doenças foram coletados no Campo Experimental da EPAMIG de São Sebastião do Paraíso, no sul de Minas Gerais. Foram empregadas as métricas estatísticas Root Mean Square Error (RMSE) e o Coeficiente de Determinação (R 2 ) para verificar o quão os modelos propostos estão predizendo as manifestações de pragas e doenças adequadamente. As redes neurais MLP apresentaram os melhores resultados para os modelos de doenças e pragas com um RMSE na faixa de 0,0220 a 0,1569 e um R 2 que variou entre 0,7552 a 0,9803. Os valores para os modelos de árvores de decisão ficou em um intervalo para RMSE e R 2 entre 0,0477 a 0,2900 e 0,2059 a 0,8752, respectivamente. Os resultados dos modelos aplicando regressão linear múltipla variou entre 0,0633 a 0,3154 e 0,1045 a 0,4822 para as métricas RMSE e R 2 , respectivamente. Uma das vantagens de se utilizarem redes neurais artificiais do tipo MLP é a alta capacidade de aprender e generalizar após o treinamento do algoritmo, isto ficou evidente neste trabalho. Por fim, desenvolveu-se um aplicativo para smartphones embarcado com um modelo de sistema inteligente com o objetivo de predizer e informar o cafeicultor em tomadas de decisões no que refere-se a doenças e pragas.