Monitoramento da produtividade de cana-de-açúcar em tempo real usando parâmetros de desempenho do motor e técnicas de Machine Learning

Por meio da utilização de recursos digitais e aplicação de técnicas de Agricultura de Precisão buscamos formas de gestão dos processos agrícolas levando em consideração a variabilidade existente nas lavouras. Tendo em vista que o principal objetivo é otimizar os recursos, seja por ganhos com produtividade ou economia na aplicação de insumos, os mapas de produtividade são considerados a camada de informação mais completa para análise de relações de causa e efeito. Entretanto, apesar da existência de recursos como sensores para monitoramento da produtividade durante a colheita e o valor dessa informação, seu uso no Brasil ainda é muito incipiente. Sendo assim, por meio desse trabalho buscamos indicar uma possível alternativa à aquisição de dados relacionados à produtividade das lavouras quando inexistem recursos como sensores embarcados na colhedora para esse fim. Utilizamos dados relativos ao desempenho do motor de uma colhedora de cana-de-açúcar, tais como potência, rotação, consumo de combustível e consumo específico de combustível, como variáveis de entrada para, por meio de algoritmos de inteligência artificial e utilizando um sensor de produtividade embarcado como referência, estimar a produtividade da área colhida. Os resultados são promissores, e apresentam uma alternativa de custo reduzido para aquisição dessa informação chave para gestão da variabilidade espacial de lavouras de cana-de-açúcar. Para mais detalhes, acesse o texto completo em: https://www.sciencedirect.com/science/article/abs/pii/S0168169920331501?via%3Dihub.