APLICAÇÃO DE DEEP LEARNING NA AGRICULTURA SUSTENTÁVEL

Otimização de Práticas Agrícolas no Contexto Brasileiro

Autores

DOI:

https://doi.org/10.31510/infa.v21i2.2030

Palavras-chave:

inteligência artificial, otimização de insumos, ODS, redes neurais, sustentabilidade

Resumo

Este artigo aborda a aplicação de Deep Learning, um ramo da inteligência artificial que utiliza redes neurais profundas para analisar grandes volumes de dados e aprender padrões complexos, na promoção da agricultura sustentável, analisando suas contribuições e desafios no contexto brasileiro. O objetivo principal é demonstrar como essa tecnologia pode otimizar práticas agrícolas, como a previsão de safras, a detecção de pragas e doenças, e a gestão eficiente de recursos, alinhando-se aos Objetivos de Desenvolvimento Sustentável (ODS) 2 e 13 da ONU. A metodologia utilizada consiste em uma pesquisa qualitativa, com a análise de dados e informações disponíveis em artigos acadêmicos, livros, notícias e portais web institucionais. Os resultados indicam que o Deep Learning pode aumentar a precisão das previsões agrícolas, reduzir o uso de pesticidas e otimizar o uso de recursos hídricos e fertilizantes, promovendo práticas mais eficientes e sustentáveis. Conclui-se que a adoção do Deep Learning na agricultura brasileira pode ser uma ferramenta eficaz para alcançar objetivos ambientais e sociais, incentivando a inovação e a sustentabilidade. No entanto, é necessário superar desafios relacionados à infraestrutura tecnológica e à qualidade dos dados para maximizar os benefícios dessa tecnologia.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

  • José Guilherme Pandolfi, Unesp

    Olá, rede! Sou um profissional apaixonado por marketing estratégico. Atuando na área desde 2019, venho desde então empreendendo minha própria marca, mergulhando de cabeça no mundo do marketing e descobrindo uma verdadeira paixão por essa área dinâmica e desafiadora. Além do empreendedorismo, possuo experiência no segmento em outras organizações, atuando com equipes distintas.

    Minha experiência abrange a criação de pautas de conteúdo estratégicas, SEO, design gráfico, motion graphics, e-mail marketing, redação de blog posts, automação de marketing e a criação de infoprodutos. Acredito firmemente na importância de uma comunicação eficaz e estratégica para alcançar os objetivos de negócio. Sempre busco aliar criatividade, com experiência e uma boa análise de dados para transmitir a mensagem certa ao público-alvo.

    Sou bacharel em Administração pela Unesp - Câmpus de Jaboticabal, curso que me proporcionou uma base sólida em gestão e estratégia de negócios. Minha formação acadêmica combinada com minha experiência prática no campo do marketing me permite ter uma visão bastante ampla.

    Tenho conhecimento em diversos softwares e ferramentas pertinentes, incluindo Adobe Photoshop, Adobe After Effects, Adobe Premiere, Wordpress, Elementor, Pacote Office, Spark AI, CorelDRAW, UberSuggest, RD Station MKT, FileZilla, Google Workspace, VegasPRO, Hubspot CRM, Studio RockContent, Mlabs, Etus, Mixpanel, Meta Business Suite, DashGoo entre outros. Essas ferramentas me permitem criar campanhas criativas e eficazes, gerenciar projetos com eficiência, analisar dados para obter insights valiosos e garantir entregáveis com a qualidade necessária.

    Acredito que o aprendizado contínuo é crucial para se destacar e oferecer resultados excepcionais aos clientes. Sou movido por desafios e sempre me esforço para encontrar soluções inovadoras e eficazes.

  • Dr. Adriano dos Reis Lucente , Unesp/FCAV - Câmpus de Jaboticabal, Unesp/FCAV - Câmpus de Jaboticabal

    Professor Assistente Doutor Nível 3.2 no Departamento de Economia, Administração e Educação da UNESP - Universidade Estadual Paulista Júlio de Mesquita Filho - Câmpus de Jaboticabal/SP em Regime de Dedicação Integral à Docência e à Pesquisa (RDIDP). Pós-Doutorado em andamento no Departamento de Contabilidade da Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto - Universidade de São Paulo (USP). Doutorado (2010) em Engenharia de Produção pela UFSCar - Universidade Federal de São Carlos, onde conclui o Mestrado (2004) e a Graduação (2000) também em Engenharia de Produção. Chefe do Departamento de Economia, Administração e Educação (DEAE) da Faculdade de Ciências Agrárias e Veterinárias (FCAV) - UNESP - Câmpus de Jaboticabal/SP. Vice Coordenador do Programa de Pós-Graduação em Administração, Mestrado Profissional, da Faculdade de Ciências Agrárias e Veterinárias (FCAV) - UNESP - Câmpus de Jaboticabal/SP e membro suplente da Comissão Permanente de Ensino . Docente Permanente e Credenciado para Orientação do Programa de Pós-Graduação em Administração, Mestrado Profissional, da Faculdade de Ciências Agrárias e Veterinárias (FCAV) - UNESP - Câmpus de Jaboticabal/SP com interesse em orientação em 1) Gerenciamento de Custos em Cadeias Agroindustriais e 2) Gerenciamento de Custos de Inovação em Cadeias Agroindustriais. Coordenador da Comissão do Estágio Curricular Obrigatório (CECOAd) do Curso de Administração da FCAV/UNESP. Coordenador do Grupo de Pesquisa GEAGRO - Gestão e Estratégia no Agronegócio e Pesquisador do Grupo de Estudos Aplicados em Finanças, ambos da FCAV/UNESP e vinculados ao CNPq. Coordenador dos Projetos de Pesquisa para Criação e Implantação (2015/16) e Desenvolvimento (2016/17) do Instituto de Pesquisa de Jaboticabal (IPEJA) com financiamentos externos à UNESP. Coordenador do Projeto de Pesquisa para Consolidação do Instituto de Pesquisa de Jaboticabal (IPJAB) com financiamento externo à UNESP (2017-atual). Coordenador do Projeto de Pesquisa Gerenciamento de custos de avicultores integrados: desenvolvimento de estratégias e ações para melhorias na tomada de decisões com financiamento externo à UNESP (2022-atual). Professor Substituto da UNESP - Universidade Estadual Paulista Júlio de Mesquita Filho - Câmpus de Jaboticabal/SP no segundo semestre de 2011. Professor Substituto do Departamento de Engenharia de Produção da Universidade Federal de São Carlos (UFSCar) nos anos de 2008 e 2009.

  • Me. Marcos Alberto Claudio Pandolfi, Fatec Taquaritinga, Fatec Taquaritinga

    ENGENHEIRO DE ALIMENTOS pela Universidade Estadual Paulista Júlio de Mesquita Filho, Bacharel em Administração de Empresas, Mestre em Engenharia de Produção, MBA em gestão Empresarial, Especialização em Produção Sistemas pelo CEFET. Pós graduado em Gestão Educacional. Atualmente é docente do Centro Estadual de Educação Tecnológica Paula Souza, professor da área de produção alimentícia na ETEC Taquaritinga, Professor de ensino superior nos cursos superiores de Tecnologia em Agronegócios, Produção Industrial e Gestão Empresarial pela FATEC . Experiência profissional na área de Engenharia e Tecnologia de Alimentos, carreira desenvolvida em agroindústrias, com ênfase em Gestão Empresarial, Gestão de operações industriais, Processos, Qualidade e Certificações, Produtividade, Logística industrial e Projetos.

  • Dr. Marcus Rogério de Oliveira, Fatec Taquaritinga, Fatec Taquaritinga

    Possui graduação em Bacharelado em Ciência da Computação pela Universidade do Oeste Paulista (1993), mestrado em Computação pelo ICMC-UP (1997) e doutorado em Biotecnologia pelo PPGBiotec-UFSCar (2012). Atualmente, é professor da Faculdade de Tecnologia de Taquaritinga. Tem ampla experiência na área de Ciência da Computação atuando principalmente nos seguintes temas: internet, internet das coisas, dispositivos móveis, banco de dados, big data e IA.

  • Lucas Emanuel Felix, Unesp/FCAV - Câmpus de Jaboticabal, Unesp/FCAV - Câmpus de Jaboticabal

    Graduado em Administração na Universidade Estadual Paulista Júlio de Mesquita Filho - UNESP - Câmpus de Jaboticabal/SP em 2021. Possui pós-graduação lato sensu MBA em Gestão Financeira na Faculdade de Educação São Luís Jaboticabal-SP (2022). Cursa atualmente Pós-Graduação Lato Sensu em DOCÊNCIA EM ADMINISTRAÇÃO na FACULDADE VENDA NOVA DO IMIGRANTE - FAVENI. Cursa também Mestrado Profissional em Administração pela UNESP Faculdade de Ciências Agrárias e Veterinárias-Jaboticabal-SP (2024) e Formação Pedagógica em Química pela Unibf (2024). Auxiliar de Laboratório Químico (2013) e Técnico em Química (2013) pela Escola Técnica Estadual Doutor Adail Nunes da Silva-Taquaritinga/SP. Trabalhou de junho de 2019 a junho de 2021 na Secretaria da Fazenda da Prefeitura Municipal de Taquaritinga nos setores de Contabilidade e Tesouraria. Trabalha desde 2022 na Escola Técnica Estadual Dr Adail Nunes da Silva, em Taquaritinga, como Professor nível médio-técnico, tendo lecionado nas seguintes disciplinas: Aplicativos Informatizados (para a Habilitação Administração); Tecnologia da Informação em Recursos Humanos; Técnicas de Avaliação de Desempenho; Recrutamento e Seleção de Pessoal; Tecnologia da Informação em Recursos Humanos; Matemática (BNCC/ ETIM / MTec / EM com Ênfases); Administração Financeira e Orçamentária; Comunicação Corporativa (para a Habilitação Recursos Humanos); Rotinas de Departamento Pessoal; Tendências e Cenários em Recursos Humanos; Aplicativos Informatizados (para a Habilitação Administração); Gestão de Desempenho; Tecnologia da Informação em Administração; Administração de Recursos Humanos. Atua também, desde 2024 na ETEC Alcides Cestari, localizada em Monte Alto, como Professor de Ensino Médio-Técnico nas seguintes disciplinas: Planejamento e Desenvolvimento de Trabalho de Conclusão de Cursos, Projeto Integrador II, Desenvolvimento das Ações de Marketing e dos Processos, Administração da Produção e Serviços e Planejamento Logístico Empresarial.

Referências

AGROADVANCE. Machine learning e deep learning na agricultura. Agroadvance, 2024. Disponível em: https://agroadvance.com.br/blog-machine-learning-deep-learning-agricultura/. Acesso em: 10 set. 2024.

BRASIL ESCOLA. Agricultura sustentável: homem e meio ambiente. Brasil Escola, 2024. Disponível em: https://brasilescola.uol.com.br/geografia/agricultura-sustentavel-homem-meio-ambiente.htm. Acesso em: 16 set. 2024.

COOPATOS. Deep learning na agricultura. Coopatos, 2024. Disponível em: https://coopatos.com.br/noticias/120-deep-learning-na-agricultura. Acesso em: 17 set. 2024.

EMBRAPA. O que são os ODS. Embrapa, 2024. Disponível em: https://www.embrapa.br/objetivos-de-desenvolvimento-sustentavel-ods/o-que-sao-os-ods. Acesso em: 15 set. 2024.

GIL, A. C. Métodos e técnicas de pesquisa social. 6. ed. São Paulo: Atlas, 2008.

GOOGLE CLOUD. What is artificial intelligence? Google Cloud, 2024. Disponível em: https://cloud.google.com/learn/what-is-artificial-intelligence?hl=pt-BR. Acesso em: 15 set. 2024.

GOODFELLOW, I.; BENGIO, Y.; COURVILLE, A. Deep learning. MIT Press, 2016. Disponível em: https://books.google.com/books?hl=pt-BR&lr=&id=b06qDwAAQBAJ&oi=fnd&pg=PP9&dq=O+que+é+deep+learning&ots=_pBYVQlS0L&sig=2r0YkGEAwv4FqNaANYbrhY9Xzys#v=onepage&q=O que é deep learning&f=false. Acesso em: 13 set. 2024.

IBM. O que é deep learning? IBM, 2024. Disponível em: https://www.ibm.com/br-pt/topics/deep-learning. Acesso em: 14 set. 2024.

IBM. O que é inteligência artificial? IBM, 2024. Disponível em: https://www.ibm.com/br-pt/topics/artificial-intelligence. Acesso em: 12 set. 2024.

JOHNSON, M.; LEE, S. Agricultural sustainability in the age of deep learning: Current trends, challenges, and future trajectories. ResearchGate, 2024. Disponível em: https://www.researchgate.net/publication/374940553_Agricultural_Sustainability_in_the_Age_of_Deep_Learning_Current_Trends_Challenges_and_Future_Trajectories. Acesso em: 17 set. 2024.

LI, H.; ZHOU, G.; WANG, Y. Applications of deep learning in sustainable agriculture. Sustainability, v. 14, n. 11, p. 6668, 2024. Disponível em: https://www.mdpi.com/2071-1050/14/11/6668. Acesso em: 11 set. 2024.

MARCONI, M. A.; LAKATOS, E. M. Fundamentos de metodologia científica. 7. ed. São Paulo: Atlas, 2017.

NG, A. Multimodal deep learning. Stanford University, 2011. Disponível em: https://ai.stanford.edu/~ang/papers/icml11-MultimodalDeepLearning.pdf. Acesso em: 12 set. 2024.

ORACLE. What is deep learning? Oracle, 2024. Disponível em: https://www.oracle.com/br/artificial-intelligence/machine-learning/what-is-deep-learning/. Acesso em: 15 set. 2024.

RAÍZEN. Agricultura sustentável. Raízen, 2024. Disponível em: https://www.raizen.com.br/blog/agricultura-sustentavel. Acesso em: 16 set. 2024.

RED HAT. What is deep learning? Red Hat, 2024. Disponível em: https://www.redhat.com/pt-br/topics/ai/what-is-deep-learning. Acesso em: 14 set. 2024.

RUSSELL, S.; NORVIG, P. Artificial intelligence: A modern approach. Pearson, 2020. Disponível em: https://books.google.com/books?hl=pt-BR&lr=&id=oDSZDwAAQBAJ&oi=fnd&pg=PT5&dq=O+que+é+Inteligência+Artificial&ots=5HhyLdUtQV&sig=QflD5glsACNXF0owqVNfgv2OGZo#v=onepage&q=O que é Inteligência Artificial&f=false. Acesso em: 11 set. 2024.

SEJNOWSKI, T. The deep learning revolution. MIT Press, 2018. Disponível em: https://books.google.com/books?hl=pt-BR&lr=&id=9xZxDwAAQBAJ&oi=fnd&pg=PR7&dq=Terrence+Sejnowski+what+is+deep+learning&ots=SIMfS9pzUg&sig=wX3tTWGNTou_D32l1KIDBmmaGLU#v=onepage&q&f=false. Acesso em: 15 set. 2024.

SILVA, R. A. Detecção de linhas de plantio utilizando deep learning. Universidade Federal de Uberlândia, 2024. Disponível em: https://repositorio.ufu.br/bitstream/123456789/39346/1/Deteccao_linhas_plantio.pdf. Acesso em: 14 set. 2024.

SMITH, J.; BROWN, L. Deep learning in precision agriculture. Agricultural Systems, v. 202, p. 103-115, 2024. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S1574954123002467. Acesso em: 17 set. 2024.

SYNGENTA. Syngenta Crop Protection e Insilico Medicine usam inteligência artificial para agricultura sustentável. Syngenta, 2024. Disponível em: https://www.syngenta.pt/news/corporativo/syngenta-crop-protection-e-insilico-medicine-usam-inteligencia-artificial-para. Acesso em: 9 set. 2024.

TERRA. O que é agricultura sustentável: vantagens e desvantagens. Terra, 2024. Disponível em: https://www.terra.com.br/planeta/o-que-e-agricultura-sustentavel-vantagens-e-desvantagens,2a582a98730e9c9d7160d92572098bb4v45boh8l.html. Acesso em: 11 set. 2024.

UCLA. Deep learning applications. UCLA, 2012. Disponível em: https://helper.ipam.ucla.edu/publications/gss2012/gss2012_10596.pdf. Acesso em: 10 set. 2024.

UFMG. Os Objetivos de Desenvolvimento Sustentável. UFMG, 2024. Disponível em: https://www.ufmg.br/espacodoconhecimento/os-objetivos-de-desenvolvimento-sustentavel/. Acesso em: 13 set. 2024.

ZHANG, X.; WANG, Y.; LI, J. Deep learning for sustainable agriculture. Sustainable Agriculture, v. 2, n. 1, p. 123-135, 2024. Disponível em: https://onlinelibrary.wiley.com/doi/full/10.1002/sae2.12036. Acesso em: 14 set. 2024.

Downloads

Publicado

17/09/2025

Edição

v. 21 n. 2 (2024): Interface Tecnológica

Seção

Tecnologia em Informática

Licença

Direitos autorais (c) 2025 Revista Interface Tecnológica

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Os direitos autorais dos artigos publicados pertencem à revista Interface Tecnológica e seguem o padrão Creative Commons (CC BY 4.0), que permite o remixe, adaptação e criação de obras derivadas do original, mesmo para fins comerciais. As novas obras devem conter menção ao(s) autor(es) nos créditos. 

Creative Commons License

Como Citar

PANDOLFI, José Guilherme; DOS REIS LUCENTE , Adriano; CLAUDIO PANDOLFI, Marcos Alberto; DE OLIVEIRA, Marcus Rogério; FELIX, Lucas Emanuel. APLICAÇÃO DE DEEP LEARNING NA AGRICULTURA SUSTENTÁVEL: Otimização de Práticas Agrícolas no Contexto Brasileiro. Revista Interface Tecnológica, Taquaritinga, SP, v. 21, n. 2, p. 63–73, 2025. DOI: 10.31510/infa.v21i2.2030. Disponível em: https://revista.fatectq.edu.br/interfacetecnologica/article/view/2030. Acesso em: 5 dez. 2025.