Publicação: Previsão de irrigação com machine learning na agricultura de precisão
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
A disponibilidade de água no solo exerce influência direta sobre o desenvolvimento das culturas agrícolas, tornando o monitoramento da umidade uma atividade importante para o planejamento da irrigação. Entretanto, decisões baseadas apenas em observações pontuais podem não representar adequadamente a evolução das condições hídricas do solo. Nesse contexto, este trabalho apresenta o desenvolvimento de um sistema para monitoramento e previsão da umidade do solo, voltado ao apoio à tomada de decisão na irrigação de cafezais.
O sistema integra um protótipo de aquisição de dados baseado em Arduino, um sensor de umidade do solo e uma aplicação desenvolvida em Python para o armazenamento e processamento das medições. A partir do histórico de dados coletados, são aplicados os algoritmos de aprendizado de máquina Random Forest Regressor e Gradient Boosting Regressor, com o objetivo de estimar o comportamento futuro da umidade do solo. Informações meteorológicas também são incorporadas ao sistema como apoio complementar à tomada de decisão, permitindo considerar a possibilidade de precipitação antes da recomendação de irrigação.
Além da previsão, foi desenvolvida uma lógica de decisão capaz de relacionar as condições atuais e previstas do solo às ações de irrigar, aguardar ou continuar o monitoramento. Dessa forma, o trabalho propõe a integração entre sensoriamento, análise de dados, aprendizado de máquina e informações meteorológicas em uma ferramenta de apoio ao manejo hídrico. A proposta busca contribuir para decisões de irrigação mais planejadas, auxiliando no uso racional da água e demonstrando o potencial da aplicação de tecnologias acessíveis no contexto da agricultura de precisão.
Abstract
Palavras-chave
Machine learning, Irrigação
Citação
BITTAR, Arthur Costa. previsão de irrigação com machine learning na agricultura de precisão. 2026. [48] f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação) – Universidade Federal de Uberlândia, Uberlândia, 2026.