PROTOTIPO DE SENSOR DE ANÁLISE DE SOLO COM IA EMBUTIDA

Autores

  • André Luiz Ricartes da Silva Fatec Bebedouro
  • Renan de Jesus Souza Faculdade do Estado de São Paulo - Fatec Bebedouro , Faculdade do Estado de São Paulo - Fatec Bebedouro
  • prof. Me. Paulo Eduardo Cardoso Andrade Faculdade do Estado de São Paulo - Fatec Bebedouro , Faculdade do Estado de São Paulo - Fatec Bebedouro
  • prof. Me. Renan Guilherme Nesplo Faculdade do Estado de São Paulo - Fatec Bebedouro , Faculdade do Estado de São Paulo - Fatec Bebedouro

DOI:

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

Palavras-chave:

Agronegócio, Agricultura de Precisão, Aprendizado de Máquina, IoT, Sensores

Resumo

A mais recente revolução na Agricultura, classificada como Agricultura 5.0, faz a união de vários aspectos tecnológicos, entre eles a Internet das Coisas (IoT), Big Data e Inteligência Artificial. No campo da agricultura de precisão, a leitura de nutrientes do solo ainda é realizada de forma laboratorial, expondo a amostra de solo a reagentes químicos para coletar os valores dos nutrientes. Por outro lado, os sensores digitais que extraem a leitura de nutrientes do solo em tempo real. Embora muito mais rápidos que a análise laboratorial, apresentam em variações na leitura, que em relação a análise laboratorial podem apresentar valores muito divergentes. Nesse contexto a um potencial de aplicações a serem explorados. Portanto o presente estudo tem por objetivos explorar algoritmos de Aprendizado de Máquinas para realizar tarefas de Regressão que embarcados em protótipos que realizem a leitura de fósforo e potássio no solo, o que melhorou a precisão das medições, indicando potencial para futuras aplicações e desenvolvimentos.

Downloads

Os dados de download ainda não estão disponíveis.

Referências

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

Downloads

Publicado

24/10/2025

Edição

Seção

Tecnologia em Informática

Como Citar

RICARTES DA SILVA, André Luiz; DE JESUS SOUZA, Renan; CARDOSO ANDRADE, Paulo Eduardo; NESPOLO, Renan Guilherme. PROTOTIPO DE SENSOR DE ANÁLISE DE SOLO COM IA EMBUTIDA. 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 dez. 2025.