Previsão de irrigação com machine learning na agricultura de precisão

Bittar, Arthur Costa

Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/50098

Full metadata record

DC Field	Value	Language
dc.creator	Bittar, Arthur Costa	-
dc.date.accessioned	2026-09-03T22:16:55Z	-
dc.date.available	2026-09-03T22:16:55Z	-
dc.date.issued	2026-08-06	-
dc.identifier.citation	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.	pt_BR
dc.identifier.uri	https://repositorio.ufu.br/handle/123456789/50098	-
dc.language.iso	pt_BR	pt_BR
dc.publisher	Universidade Federal de Uberlândia	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Machine learning	pt_BR
dc.subject	Irrigação	pt_BR
dc.title	Previsão de irrigação com machine learning na agricultura de precisão	pt_BR
dc.type	Trabalho de Conclusão de Curso	pt_BR
dc.contributor.advisor1	Morais, Josué Silva de	-
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/2007658962904545	pt_BR
dc.contributor.referee1	Carrijo, Renato Santos	-
dc.contributor.referee1Lattes	http://lattes.cnpq.br/8768171533090080	pt_BR
dc.contributor.referee2	Silva, Fabio Vincenzi Romualdo da	-
dc.contributor.referee2Lattes	http://lattes.cnpq.br/5110686859702602	pt_BR
dc.description.degreename	Trabalho de Conclusão de Curso (Graduação)	pt_BR
dc.description.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.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.course	Engenharia de Controle de Automação	pt_BR
dc.sizeorduration	48	pt_BR
dc.subject.cnpq	CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS	pt_BR
dc.orcid.putcode	225747386	-
Appears in Collections:	TCC - Engenharia de Controle e Automação

Files in This Item:

File	Description	Size	Format
previsão de irrigação com machine learning na agricultura de precisão.pdf		5.08 MB	Adobe PDF	View/Open

Show simple item record