Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.113
Aluno: Saulo Henrique do Nascimento Aguiar
Orientadora: Profa. Edna Natividade da Silva Barros
Título: Sensor de pH de Solo com Sistema IoT baseado em Deep Learning com Previsão de Séries Temporais para Agricultura
Data: 29/09/2023
Hora/Local: 14h – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Prof. Stefan Michael Blawid (UFPE / Centro de Informática)
Prof. José Romualdo de Sousa Lima (UFAPE/ Unidade Acadêmica de Garanhuns)
Profa. Edna Natividade da Silva Barros (UFPE / Centro de Informática)
RESUMO:
A agricultura 4.0, que combina Internet das Coisas (IoT) e Inteligência Artificial (IA), está revolucionando a agricultura de precisão. Este trabalho aborda a união de soluções tecnológicas de novos sensores, IA, IoT e Edge Computing para entregar uma solução inovadora. Foi desenvolvido um sensor de pH de solo preciso e robusto, também um modelo de deep learning para previsão de séries temporais operando na borda do sistema IoT. O sensor apresentou desempenho bom e com baixo percentual de erro em relação a sensores comerciais e medidores de pH do Método Embrapa. Para aproveitar a riqueza de dados gerados pelo sensor de pH, foi implementada uma arquitetura redes neurais LSTM para previsão de séries temporais.O modelo LSTM integrado ao sistema de edge computing demonstrou precisão nas previsões de pH ao longo de dias e semanas. Essa dissertação fornece uma solução para agricultura 4.0, a fim de maximizar a produtividade das culturas.
Palavras-chave: Sensor de pH Solo, Long Short-Term Memory(LSTM), Edge Computing, Previsão de Séries Temporais, Agricultura 4.0, Internet of Things(IoT), Deep Learning.
Comentários desativados