Use este identificador para citar ou linkar para este item: https://repositorio.unipampa.edu.br/jspui/handle/riu/5729
Tipo: Dissertação
Título: TouceiraTech: um Farm Management Information System para pecuária de precisão baseado em predição com redes neurais recorrentes
Autor(es): Soares, Ânderson Fischoeder
Primeiro Orientador: Pinho, Leonardo Bidese de
Coorientador: Perez, Naylor Bastiani
1° Membro da banca: Pinho, Leonardo Bidese de
2° Membro da banca: Ferreira, Ana Paula Lüdtke
3° Membro da banca: Bremm, Carolina
4° Membro da banca: Trentin, Gustavo
Resumo: Para aumentar a produtividade na pecuária de corte é fundamental aprimorar o manejo do pasto, o que demanda a mensuração periódica da massa e do acúmulo de forragem e o ajuste da taxa de lotação. Portanto, mostra-se relevante desenvolver ferramentas capazes de auxiliar os pecuaristas neste processo. O presente trabalho, amparado inicialmente por uma metodologia exploratória e, posteriormente, explicativa, propõe, implementa e avalia o TouceiraTech, um protótipo de FMIS para Pecuária de Precisão capaz de coletar, armazenar, pré-processar, predizer e visualizar dados sobre a taxa de acúmulo, necessária para o ajuste da taxa de lotação em uma área de interesse georreferenciada. O TouceiraTech foi projetado de forma interdisciplinar, a partir da expansão de um modelo original de predição de disponibilidade de forragem, baseado em aprendizado de máquina com Redes Neurais Artificiais do tipo LSTM com dados de vegetação campestre obtidos pela amostragem histórica, direta, destrutiva, em experimentos realizados para avaliar a produção animal em diferentes condições de manejo do campo nativo. No modelo de predição são agregados dados meteorológicos, coletados remotamente de estação meteorológica automática próxima à região de interesse e, também, dados de previsão meteorológica. Esses dados são automaticamente pré-processados pelo TouceiraTech para estimação de variáveis específicas, com destaque para uma nova abordagem automatizada para a estimativa da evapotranspiração. Além disso, permite o uso de amostras indiretas não destrutivas da vegetação, com base no NDVI, a partir do processamento de imagens aéreas incorporadas ao seu banco de dados espacial. Os resultados demonstram a eficácia das coletas periódicas automatizadas dos dados meteorológicos necessários para a predição, a partir de bases remotas do INMET, INPE e NOAA. Em especial, comprovam que mudanças na abordagem de treinamento do modelo, de forma estratificada, complementada por ajustes nas suas variáveis de entrada, permitiram a concepção de modelos especializados por tipos de tratamento com acurácia significativamente superior à do modelo original. Adicionalmente, indicam o potencial da incorporação de imagens aéreas georreferenciadas para viabilizar um sistema de suporte à decisão de ajuste de taxa de lotação com base em amostragem indireta de baixo custo operacional, em substituição ao método direto.
Abstract: To increase productivity in beef cattle ranching it is essential to improve pasture manage ment, which demands periodic measurement of the mass and accumulation of forage and adjustment of stocking rate. Therefore, it is important to develop tools capable of helping cattle ranchers in this process. The present work, supported initially by an exploratory methodology and later by an explanatory one, proposes, implements and evaluates Tou ceiraTech, a prototype of FMIS for Precision Cattle Raising capable of collecting, storing, preprocessing, predicting and visualizing data on forage accumulation rate, necessary for adjusting the stocking rate in a georeferenced area of interest. TouceiraTech was designed in an interdisciplinary way, from the expansion of an original model of forage availabil ity prediction, based on machine learning with LSTM-type Artificial Neural Networks with field vegetation data obtained by historical, direct, destructive sampling in experi ments carried out to evaluate animal production in different management conditions of the native field. In the prediction model are aggregated meteorological data, remotely collected from an automatic weather station near the region of interest, and also mete orological forecast data. These data are automatically pre-processed by TouceiraTech to estimate specific variables, with emphasis on a new automated approach to estimate evapotranspiration. In addition, it allows the use of non-destructive indirect sampling of vegetation, based on NDVI, from the processing of aerial images incorporated into its spa tial database. The results demonstrate the effectiveness of automated periodic collection of meteorological data needed for prediction, from remote databases of INMET, INPE and NOAA. In particular, they prove that changes in the model training approach, in a stratified way, complemented by adjustments in its input variables, allowed the design of specialized models by treatment types with accuracy significantly higher than that of the original model. Additionally, they indicate the potential of incorporating georeferenced aerial images to enable a decision support system to adjust stocking rates based on indirect sampling with low operational cost, replacing the direct method.
Palavras-chave: Manejo da pastagem
Sistemas de apoio à decisão
Métodos de amostragem
Sensoriamento remoto
Ajuste de lotação
Taxa de acúmulo
Pasture management
Decision support systems
Sampling methods
Remote sensing
Stocking rate
Accumulation rate
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
Idioma: por
País: Brasil
Editor: Universidade Federal do Pampa
Sigla da Instituição: UNIPAMPA
Campus: Campus Bagé
Curso: Mestrado Acadêmico em Computação Aplicada
Citação: SOARES, Ânderson Fischoeder. TouceiraTech: um Farm Management Information System para pecuária de precisão baseado em predição com redes neurais recorrentes .144.: il. 2021. Dissertação (Mestrado em Computação Aplicada) – Universidade Federal do Pampa, Campus Bagé, Bagé, 2021.
Tipo de Acesso: Acesso Aberto
URI: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/5729
Data do documento: 9-Abr-2021
Aparece nas coleções:Mestrado em Computação Aplicada

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertacao_AndersonFischoeder__5_.pdf10.48 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.