Sistemas de Informação

Trabalho de Conclusão
Título:PREVISÃO DE COLHEITA DE UVAS COM TÉCNICAS DE MACHINE LEARNING
Aluno:RENAN BREMM
Semestre:2023/01
Situação:TC I
Áreas de interesse:Não informado
Orientador:Juliano Varella de Carvalho
Avaliadores:Debora Nice Ferrari Barbosa, Gabriel da Silva Simões
Documentos:Anteprojeto, Texto final TC1 (liberado apenas para a banca)
Palavras-chave:Uva, Machine Learning, Previsão, Clima
Resumo:

A influências dos fatores climáticos como temperaturas máximas/mínimas, umidade e precipitação, são notáveis na fenologia das culturas perenes e determinam a produtividade anual da cultura. Na viticultura, mais especificamente, a fenologia da videira determina a produtividade da safra em qualidade e quantidade e representa um papel mais importante que até mesmo as intervenções na cultura executadas pelo enólogo. Por este motivo, conhecer antecipadamente o rendimento do vinhedo é um fator crítico de sucesso para os produtores, já que com isso é possível alcançar um melhor equilíbrio no manejo da cultura, possibilitando ao produtor agir em relação ao crescimento vegetativo e reprodutivo das videiras, além de planejar a logística da colheita e provisionar os impactos financeiros. A predição de colheita baseada no clima e fases da fenologia não é nenhuma novidade entre os produtores, já que estes, de forma puramente empírica, conseguem estimar os possíveis resultados das colheitas. Por outro lado, existe um avanço significativo no uso de tecnologias computacionais aplicadas à agricultura de precisão que estão tornando tarefas manuais e muitas vezes impraticáveis em aplicações totalmente automatizadas. Dentre as muitas tecnologias computacionais, estão as técnicas de Machine Learning, as quais têm sido amplamente exploradas para auxiliar na produção agrícola como técnicas que permitem, por exemplo, através de dados históricos predizer a produtividade das culturas. Com base nos fatores citados acima, esta pesquisa tem como objetivo geral criar um modelo preditivo a partir do uso de técnicas de Machine Learning para previsão de resultado de colheitas futuras de uvas, baseado em dados históricos de clima, considerando os efeitos do El Niño e La Niña; a produtividade e acúmulo de açúcares em uvas cultivadas em Santana do Livramento na Campanha Gaúcha. A metodologia de pesquisa escolhida foi Design Science Research (DSR) que é propícia para integrar aspectos teóricos com o desenvolvimento de software. Serão consideradas as seis etapas definidas pela DSR: identificação do problema e motivação; definição dos objetivos para a solução; projeto e desenvolvimento; demonstração; avaliação; comunicação.

Link biblioteca:Não informado

TC Online - Sistema de Trabalhos de Conclusão Online