metadataTrad.dc.contributor.author |
Soares, Marcelo Barbosa; |
metadataTrad.dc.contributor.authorLattes |
http://lattes.cnpq.br/0512955087365026; |
metadataTrad.dc.contributor.advisor |
Kunst, Rafael; |
metadataTrad.dc.contributor.advisorLattes |
http://lattes.cnpq.br/1301443198267856; |
metadataTrad.dc.publisher |
Universidade do Vale do Rio dos Sinos; |
metadataTrad.dc.publisher.initials |
Unisinos; |
metadataTrad.dc.publisher.country |
Brasil; |
metadataTrad.dc.publisher.department |
Escola Politécnica; |
metadataTrad.dc.language |
pt_BR; |
metadataTrad.dc.title |
BeeBr: uma proposta de arquitetura computacional na apicultura, para a predição de problemas na colmeia; |
metadataTrad.dc.description.resumo |
A apicultura brasileira é um segmento formado principalmente por pequenas famílias, na
qual faz da atividade um complemento na renda. O setor dispõe de métodos de trabalho obsoletos, empregando-se em sua totalidade, exercícios de forma manual e sem nenhuma intervenção tecnológica; como consequência, conduz a um processo exaustivo ao apicultor, assim como efeitos negativos à saúde das abelhas. Diante deste cenário, este estudo propõe elaborar um modelo de arquitetura computacional, em que objetiva a contribuir para à apicultura, minimizando as intervenções junto às colmeias e garantindo assim o bem estar dos insetos. De maneira oposta a outras pesquisas, pretende-se expor do ponto de vista da contribuição científica a elaboração e treinamento de um novo modelo de aprendizado de máquina, em que mira na predição da enxameação, bem como expor soluções energeticamente sustentável e eficiente no que tange ao consumo energético dos equipamentos IoT. Por parte tecnológico, o BeeBr oferece uma solução completa de baixo custo para o segmento da apicultura. Como resultado, o BeeBr possibilitou as leituras de seis variáveis da colmeia por um período de 20 dias. Por meio dos dados colhidos, permitiu-se uma análise estatística e a concepção de
três experimentos para a avaliação do moderno modelo de aprendizado de máquina; em números finais, conseguiu-se atingir valores acima de 93% de acertos na predição da enxameação e ganhos de 16.67% em relação à eficiência energética.; |
metadataTrad.dc.description.abstract |
Brazilian beekeeping is a segment formed mainly by small families, in which the activity
is a supplement to income. The sector has obsolete working methods, using in their entirety exercises manually and without any technological intervention; as a consequence, it leads to an exhausting process for the beekeeper, as well as negative effects on the health of the bees. Given this scenario, this study proposes to develop a model of computational architecture, in which it aims to contribute to beekeeping, minimizing interventions with the hives and thus ensuring the well-being of insects. Contrary to other research, it is intended to expose, from the point of view of scientific contribution, the elaboration and training of a new model of machine learning, which aims at the prediction of swarming, as well as exposing energy-efficient and sustainable solutions in
terms of energy consumption of IoT equipment. On the technological side, BeeBr offers a
complete low-cost solution for the beekeeping segment. As a result, BeeBr enabled readings of six hive variables for a period of 20 days. Through the collected data, a statistical analysis and the design of three experiments were allowed for the evaluation of the modern machine learning model; in final numbers, it was possible to reach
values above 93% of hits in the swarm prediction and gains of 16.67% in relation to energy efficiency.; |
metadataTrad.dc.subject |
Apicultura; Abelhas; Enxameação; Aprendizado de máquina; Modelo; IoT; Comunicação de dados móveis; Apiculture; Bee; Swarm; Machine learning; Model; Mobile data communication; |
metadataTrad.dc.subject.cnpq |
ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação; |
metadataTrad.dc.type |
Dissertação; |
metadataTrad.dc.date.issued |
2022-11-18; |
metadataTrad.dc.description.sponsorship |
Nenhuma; |
metadataTrad.dc.rights |
openAccess; |
metadataTrad.dc.identifier.uri |
http://www.repositorio.jesuita.org.br/handle/UNISINOS/12154; |
metadataTrad.dc.publisher.program |
Programa de Pós-Graduação em Computação Aplicada; |