RDBU| Repositório Digital da Biblioteca da Unisinos

Tellus: um modelo computacional para análise de solo na agricultura ubíqua baseado em históricos de contextos

Mostrar registro simples

Autor Helfer, Gilson Augusto;
Lattes do autor http://lattes.cnpq.br/2543196269709403;
Orientador Barbosa, Jorge Luis Victória;
Lattes do orientador http://lattes.cnpq.br/6754464380129137;
Instituição Universidade do Vale do Rio dos Sinos;
Sigla da instituição Unisinos;
País da instituição Brasil;
Instituto/Departamento Escola Politécnica;
Idioma pt_BR;
Título Tellus: um modelo computacional para análise de solo na agricultura ubíqua baseado em históricos de contextos;
Resumo As aplicações da computação ubíqua têm aumentado nos últimos anos, principalmente devido ao desenvolvimento de tecnologias como a computação móvel e sua integração como mundo real. Um dos desafios nesta área é o uso da sensibilidade ao contexto. Na agricultura, pode ser considerado o contexto relacionado ao meio ambiente, como os aspectos químicos e físicos que caracterizam os diferentes tipos de solo. Esse cenário muda periodicamente devido a fatores como clima, tipo de cultivar e técnica de manejo do solo utilizada, entre outros aspectos. Essa tese apresenta um modelo computacional chamado Tellus, aplicado na agricultura ubíqua que emprega históricos de contextos para predição de propriedades físico-químicas do solo. Para avaliar o modelo foi criado um protótipo baseado numa estação de telemetria e instalada a campo além de um aplicativo móvel para gerenciamento das informações. Para o treinamento do Agente de Predição foram selecionadas 43 amostras de solo com resultado de referência de diversos pontos de coleta do Vale do Rio Pardo, cujas concentrações de matéria orgânica variaram entre 0,6% e 5,9% e argila entre 8% e 60%, respectivamente. Para predição de matéria orgânica e argila no solo foram obtidos coeficientes de determinação (R2) de 0,9738 e 0,9536 para erros quadráticos médios de calibração de (RMSEC) de 0,26% e 2,95%, respectivamente. Já para recomendação de irrigação, foram utilizadas 192 imagens para o treinamento e obtida uma acurácia de 82,55%. A partir do Agro XML, foi proposta uma ontologia denominada Tellus - Onto que estende o estado da arte na classificação de solos brasileiros de acordo com a composição orgânica e textural. Uma série de axiomas e regras semânticas foram empregadas para proporcionar a realização de consultas e inferências sobre sua base instanciada. Além disso, a partir das informações de análise do solo, a ontologia infere recomendações para adubação e calagem. Para testar a ontologia foram instanciados 98 resultados de amostras de solos e inferidos suas classificações de modo preciso e automático. O modelo computacional e seus agentes de predição juntamente com a ontologia são as contribuições do Tellus na área da agricultura ubíqua aplicada às análises de solo.;
Abstract The applications of ubiquitous computing have in creasedin recente years, mainly due to the development of Technologies such as mobile computing and its integration with the real world. One of the challenges in this area is the use of contexto aware ness. In agriculture, the contexto related to the environment can be considered, such as the chemical and physical aspects that characterize the diferente types of soil.This scenario changes periodically dueto factors such as climate, type of cultivar and soil management technique used, amongo ther aspects. This thesis presentes a computational model called Tellus applied in precision agriculture that uses historical contexts to predict soil physicochemical properties. A prototype was created to evaluate the model based on a telemetry station and installed in the field, as well as a mobile application for in formation management. The Prediction Agent training had 43 soil samples from diferente collection points in Vale do Rio Pardo, whose concentrations of organic matter varied between 0.6% and 5.9% and clay between 8% and 60%, respectively. For prediction of organic matter and clay in the soil, coefficients of determination (R2) of 0.9738 and 0.9536 were obtained and mean square erros of calibration (RMSEC) of 0.26% and 2.95%, respectively. For the irrigation recommendation, 192 images were used for training and an accuracy of 82.55% was achieved. In addition, na Agro XML based ontology called Tellus-Onto was proposed that extends the state of the artin the classification of Brazilians oil saccording to organicand textural composition. A series of axioms and semantic rules were used to provide queries and inferences about its instantiated base. In addition, from thes oil analysis information, the ontology infers recommendation for fertilization and liming. To test the ontology, 98 soils ample results were instantiated and their classifications were in ferredina precise and automatic way.The computational modeland its prediction agentes together with the ontology are the contributions of Tellus in ubiquitous agriculture applied to soil analysis.;
Palavras-chave Agricultura de precisão; Análise de solo; Computação ubíqua; Históricos de contextos; Aprendizado de máquina; Ontologia; Precision agriculture; Soil analysis; Ubiquitous computing; Context history; Machine learning; Ontology;
Área(s) do conhecimento ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação;
Tipo Tese;
Data de defesa 2022-03-25;
Agência de fomento CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior;
Direitos de acesso openAccess;
URI http://www.repositorio.jesuita.org.br/handle/UNISINOS/11263;
Programa Programa de Pós-Graduação em Computação Aplicada;


Arquivos deste item

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples

Buscar

Busca avançada

Navegar

Minha conta

Estatística