SOIL ANALYSIS SENSOR PROTOTYPE WITH EMBEDDED AI

Authors

  • André Luiz Ricartes da Silva Fatec Bebedouro
  • Renan de Jesus Souza College of technology of the state of São Paulo - FATEC Bebedouro , Faculdade do Estado de São Paulo - Fatec Bebedouro
  • prof. MsC. Paulo Eduardo Cardoso Andrade College of technology of the state of São Paulo - FATEC Bebedouro , Faculdade do Estado de São Paulo - Fatec Bebedouro
  • prof. MsC. Renan Guilherme Nesplo College of technology of the state of São Paulo - FATEC Bebedouro , Faculdade do Estado de São Paulo - Fatec Bebedouro

DOI:

https://doi.org/10.31510/infa.v22i1.2040

Keywords:

Agribusiness, Precision Agriculture, Machine Learning, IoT, Sensors

Abstract

The most recent revolution in Agriculture, classified as Agriculture 5.0, combines several technological aspects, including the Internet of Things (IoT), Big Data, and Artificial Intelligence. In the field of precision agriculture, soil nutrient reading is still performed in a laboratory setting, exposing the soil sample to chemical reagents to collect nutrient values. On the other hand, digital sensors extract soil nutrient readings in real time. Although much faster than laboratory analysis, they present variations in readings, which in relation to laboratory analysis, can present very divergent values. In this context, there is a potential for applications to be explored. Therefore, the present study aims to explore Machine Learning algorithms to perform Regression tasks that are embedded in prototypes that perform phosphorus and potassium readings in the soil, which improved the accuracy of measurements, indicating potential for future applications and developments.

Downloads

Download data is not yet available.

References

AMARAL. L. R.; COLAÇO. A. F.; MOLIN. J. P. Mapa de produção.. 1 ed. color 10cm x10,05 cm. Agricultura de precisão. Cubatão: Oficina de Texto, 2015.

ASSOCIAÇÃO BRASILEIRA DE AGRICULTURA DE PRECISÃO E DIGITAL. Sobre a Associação Brasileira de Agricultura de Precisão e Digital. 2016. Disponível em:< https://www.asbraap.org/>. Acesso: 25.Mar.2024.

BARICHELLO, D. L. Agricultura 5.0: inovações, trajetória da agricultura brasileira e os desafios climáticos. 2023. (Trabalho de Conclusão de Curso). Universidade Federal de Santa

Maria (UFSM). Santa Maria. Disponível em: <https://repositorio.ufsm.br/bitstream/handle/1/30906/Barichello_Diana_Luisa_2023_TCC.pdf ?sequence=1&isAllowed=y>. Acesso em 01 mai. 2024.

BELANDI, C. Com alta recorde da agropecuária, PIB fecha 2023 em 2,9%. Agência IBGE Notícias. Rio de Janeiro: 01 mai. 2024. Disponível em:< https://agenciadenoticias.ibge.gov.br/agencia-noticias/2012-agencia-denoticias/noticias/39306-com-alta-recorde-da-agropecuaria-pib-fecha-2023-em-2-

#:~:text=A%20atividade%20Agropecu%C3%A1ria%20cresceu%2015,2%25%20em%20rel a%C3%A7%C3%A3o%20a%202022>. Acesso em: 19.Mar.2024.

COLAÇO, A. F.; MOLIN. J. P. Agricultura de Precisão. Agricultura de Precisão em Citros Mapeamento de Produtividade e Adubação em Taxas Variáveis. Boletim Temático 01. Piracicaba: Faculdade de São Paulo. p. 12, 2014.

CRESWEL, J. W. Pesquisa qualitativa e projeto de pesquisa: escolhendo entre 5 abordagens. 2. ed. Porto Alegre: Artmed, 2007.

ESCOVEDO, T.; KOSHIYAMA, A. Introdução a data science: algoritmos de machine learning e métodos de análise. 1. ed. São Paulo: Casa do Código, 2020.

FRANK, E.; WITTEN, I. H. Practical machine learning tools and techniques. 2nd ed. New York: Elsevier Science, 2005.

HARARI, Y. N. Sapiens: História Breve da Humanidade. ed.1. Tradução de Marcantônio. J. Porto Alegre: L & PM. 2013.

INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Produto Interno Bruto (PIB). Disponível em: https://www.ibge.gov.br/explica/pib.php. Acesso em: 21 junho. 2024.

MALAVOLTA, E. Manual de nutrição mineral de plantas. 1. ed. São Paulo: Agronômica Ceres, 2006.

MITCHELL, T. M. Machine Learning. 1. st ed. New York: McGraw-Hill, 1997.

MOHAMMED, M. A.; SANJAY, S. IOT based soil NPK monitor via Asynchronous webserver using NodeMCU. v10 Guwahati: 04 Jul. 2022. International Journal for Research in Applied Science&Engineering Technology. V 10. Disponível em: <https://www.ijraset.com/research-paper/iot-based-soil-npk-monitor-via-asynchronous-webserver>. Acesso em: 15 mai. 2024. DOI: https://doi.org/10.22214/ijraset.2022.45320

PAULA, B. V. Porque o produtor rural deixa de lucrar quando não faz o “exame” da planta?. InovaTec. Universidade Federal de Santa Maria UFSM. 2023. Disponível em:

<https://www.ufsm.br/orgaos-suplementares/inovatec/2023/05/08/porque-o-produtor-ruraldeixa-de-lucrar-quando-nao-faz-o-exame-da-planta>. Acesso em 15.Mar.2024.

QUIMIVITA. 2022. Entenda o que é uma análise de solo e por que o nitrogênio não aparece na mesma. Disponível em: https://quimivita.com.br/dicas/entenda-o-que-e-uma-analise-desolo-e-por-que-o-nitrogenio-nao-aparece-na-mesma/. Acesso em: 29.Mar.2024.

RAI, N. Technology Can Boost Crop Yields, Halve Food Prices By 2050. The Wall Street Journal, New York, fevereiro 2014. Disponível em: <https://www.wsj.com/articles/BL-REB-23171>. Acesso em: 21 junho 2024.

SILVA. A, C.; SILVA. G,T.S. Avanço da ciência de dados e big data, inteligência artificial, aprendizado de máquina e cooperativas de dados. EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA. 2002. Disponível em: <https://www.embrapa.br/visao-defuturo/agrodigital/sinal-e-tendencia/avanco-da-ciencia-de-dados-e-big-data-inteligenciaartificial-aprendizado-de-maquina-e-cooperativas-de-dados>. Acesso em 12.05.2024.

SOKOLOVA, L. O que saber sobre agricultura inteligente usando IoT. ForbesAgro. 2021. Disponível em: https://forbes.com.br/forbesagro/2021/09/o-que-saber-sobre-agriculturainteligente-usando-iot/. Acesso em 26.Mar.2024.

SOLUM, L. Manual prático de coleta. 2020 Disponível em:

https://www.solumlab.com.br/manual-pratico-de-coleta/. Acesso em 22.Mar.2024

TERRANALISES. ®Terranalises Laboratório de Análise Ambientais. Como é feita a análise de solo?. 2022. Disponível em: <https://terranalises.com.br/novidade-detalhes/52/comoe-feita-a-analise-de-solo?>. Acesso em 21.Mar. 2024.

VASCONCELOS. W. Modelo de indicadores para monitoramento de inovações tecnológicas na agricultura de precisão. 1. ed. São Paulo: Dialética, 2023. DOI: https://doi.org/10.48021/978-65-252-9022-5

Published

2025-10-24

Issue

Section

Tecnologia em Informática

How to Cite

RICARTES DA SILVA, André Luiz; DE JESUS SOUZA, Renan; CARDOSO ANDRADE, Paulo Eduardo; NESPOLO, Renan Guilherme. SOIL ANALYSIS SENSOR PROTOTYPE WITH EMBEDDED AI. Revista Interface Tecnológica, Taquaritinga, SP, v. 22, n. 1, p. 26–36, 2025. DOI: 10.31510/infa.v22i1.2040. Disponível em: https://revista.fatectq.edu.br/interfacetecnologica/article/view/2040. Acesso em: 5 dec. 2025.