Publicação: Predição da maturação do amendoim utilizando sensoriamento remoto e regressão linear múltipla.
Carregando...
Arquivos
Data
2024-07-11
Autores
Orientador
Da Silva, Rouverson Pereira 
Coorientador
Oliveira, Thiago Caio Moura
Pós-graduação
Curso de graduação
Jaboticabal - FCAV - Engenharia Agronômica
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
O (Arachis hypogaea L.) é uma planta com origem sul-americana há muito tempo cultivada no Brasil, sendo o estado de São Paulo o principal produtor no Brasil, cerca de 90% da produção brasileira, apresentando crescente aumento no mercado nacional por diversos fatores ambientais e culturais. O presente trabalho teve como objetivo o desenvolvimento de um modelo para a predição da maturação do amendoim através do uso de sensoriamento remoto com Regressão Linear Múltipla (RLM) visando facilitar a predição da maturação do amendoim. A área de estudo foi de 9 hectares com a cultivar IAC 503, sendo toda a coleta realizada de forma manual, foram coletados 40 pontos, com o destacamento de em média 8 plantas por ponto de 2m² de área, assim atingindo um número de 200 vagens por ponto amostral. As vagens coletadas foram limpas de acordo com o método Hull Scrape e classificadas segundo a Peanut Board Profile, sendo utilizadas no trabalho as vagens classificadas como laranja, marrom e preto, respectivamente as relações PMI_LP (Peanut Maturity Index) das vagens laranjas e pretas, e PMI_MP (Peanut Maturity Index) das vagens marrons e pretas. As vagens foram correlacionadas com os índices B4, NDVI, SAVI e GDA, o MAE foi usado para a avaliação acurácia, e o R² para demonstração da precisão do modelo a partir do software R, demonstrando assim a confiabilidade dos dados obtidos pelo projeto, os resultados demonstraram baixos valores de MAE (0,1 e 0,08), e altos valores de R² (0,94, 0,82, 0,93) demonstrando ótima precisão. Desse modo os resultados obtidos demonstraram a eficácia do modelo desenvolvido e sua aplicabilidade para otimização da produção de amendoim com uma menor necessidade de processamento computacional que o uso de tecnologias mais complexas como redes neurais para o monitoramento da maturação na cultura do amendoim.
Resumo (inglês)
The (Arachis hypogaea L.) is a plant with South American origins that has long been cultivated in Brazil, with the state of São Paulo being the main producer in the country, accounting for about 90% of Brazilian production. There has been a growing increase in the national market due to various environmental and cultural factors. The present study aimed to develop a model for predicting the maturity of peanuts using remote sensing with Multiple Linear Regression (MLR) to facilitate the prediction of peanut maturation. The study area was 9 hectares with the IAC 503 cultivar, where all data collection was performed manually. A total of 40 sampling points were collected, with an average of 8 plants per point from an area of 2 m², thus reaching a total of 200 pods per sampling point. The collected pods were cleaned according to the Hull Scrape method and classified according to the Peanut Board Profile, using pods classified as orange, brown, and black, corresponding to the PMI_LP (Peanut Maturity Index) of the orange and black pods, and PMI_MP (Peanut Maturity Index) of the brown and black pods. The pods were correlated with the indices B4, NDVI, SAVI, and GDA. The MAE was used to evaluate accuracy, and R² was used to demonstrate the model's precision using the R software, thereby demonstrating the reliability of the data obtained from the project. The results showed low MAE values (0.1 and 0.08) and high R² values (0.94, 0.82, 0.93), indicating excellent precision. Thus, the obtained results demonstrated the effectiveness of the developed model and its applicability for optimizing peanut production with a lower need for computational processing compared to more complex technologies such as neural networks for monitoring maturation in peanut crops.
Descrição
Palavras-chave
Idioma
Português
Como citar
BASTOS, G.C. - Predição da maturação do amendoim utilizando sensoriamento remoto e regressão linear múltipla. - 2024, f - Trabalho de conclusão de curso (Graduação em Engenharia Agronômica) - Universidade Estadual Paulista "Julio de Mesquita Filho", Jaboticabal, 2024.
