Processamento de dados de monitores de produtividade de cana-de-açúcar (2017)
- Authors:
- Autor USP: MALDANER, LEONARDO FELIPE - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LEB
- Subjects: AGRICULTURA DE PRECISÃO; CANA-DE-AÇÚCAR; PROCESSAMENTO DE DADOS; VARIABILIDADE ESPACIAL
- Language: Português
- Abstract: Na cultura da cana-de-açúcar, a colheita é realizada por uma colhedora que efetua o corte e processamento do produto colhido ao longo de uma (ou duas) fileira (s) da cultura estabelecida. Neste processo, dados obtidos por monitor de produtividade, quando existentes, fornecem informações com diferentes utilidades. Métodos existentes para o processamento de dados de produtividade utlizados atualmente foram desenvolvidos para conjuntos de dados de produtividade de grãos e quando aplicados a um conjunto de dados de produtividade de cana-de-açúcar podem eliminar dados com variações reais de produtividade dentro da fileira. O objetivo deste trabalho é desenvolver métodos que busquem identificar e remover dados errôneos, em pós-processamento, do conjunto de dados gerados por monitor de produtividade para caracterização das pequenas variações de produtividade dentro de uma fileira de cana-de-açúcar. A identificação de dados discrepantes do conjunto de dados utilizando método estatístico por quartis e uma filtragem comparando valores de produtividade usando somente dados de uma única passada da colhedora foi proposto. Foram utlizados quatro conjunto de dados de produtividade gerados por dois monitores. O monitor de produtividade 1 registrou os dados a uma frequência de 0,5 Hz e o monitor de produtividade 2 a uma frequência de 1 Hz. Foram encontrados dados errôneos gerados devido ao tempo de sincronização entre a colhedora e o conjunto transbordo durante as manobras de cabeceira edurante a troca do conjunto de transbordo. Também foram encontrados dados durante a manobras da colhedora, onde o monitor registrou dados com produtividade zero e nulas. Foram simuladas diferentes frequência de registro de dados com objetivo de verificar se a densidade de dados fornecida pelo monitor influência na caracterização de pequenas variações nos valores de produtividade dentro da passada. Os conjuntos de dados de produtividade gerados por diferentes tipos de monitores demostraram a necessidade de pós-processamento para remoção devalores de produtividades discrepantes. A metodologia desenvolvida neste trabalho foi capaz de identificar e eliminar os dados errôneos dos conjuntos de dados analisados. A metodologia de filtragem de dados considerando somente dados dentro de uma única passada da colhedora de cana-de-açúcar proporcionou a caracterização da variação de valores de produtividade em pequenas distâncias
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2017
- Data da defesa: 10.07.2017
-
ABNT
MALDANER, Leonardo Felipe. Processamento de dados de monitores de produtividade de cana-de-açúcar. 2017. Dissertação (Mestrado) – Universidade de São Paulo, Piracicaba, 2017. Disponível em: http://www.teses.usp.br/teses/disponiveis/11/11152/tde-02012018-135852/. Acesso em: 27 dez. 2025. -
APA
Maldaner, L. F. (2017). Processamento de dados de monitores de produtividade de cana-de-açúcar (Dissertação (Mestrado). Universidade de São Paulo, Piracicaba. Recuperado de http://www.teses.usp.br/teses/disponiveis/11/11152/tde-02012018-135852/ -
NLM
Maldaner LF. Processamento de dados de monitores de produtividade de cana-de-açúcar [Internet]. 2017 ;[citado 2025 dez. 27 ] Available from: http://www.teses.usp.br/teses/disponiveis/11/11152/tde-02012018-135852/ -
Vancouver
Maldaner LF. Processamento de dados de monitores de produtividade de cana-de-açúcar [Internet]. 2017 ;[citado 2025 dez. 27 ] Available from: http://www.teses.usp.br/teses/disponiveis/11/11152/tde-02012018-135852/ - Sugarcane plant detection and mapping for site-specific management
- Methodology to filter out outliers in high spatial density data to improve maps reliability
- Sensor fusion with NARX neural network to predict the mass flow in a sugarcane harvester
- Carrot yield mapping: a precision agriculture approach based on machine learning
- Performance analysis of a RADAR FMCW sensor developed for plant height measurement in agricultural and comparison with an NDVI sensor
- Spatial–temporal analysis to investigate the influence of in-row plant spacing on the sugarcane yield
- Sugarcane Yield Mapping Using High-Resolution Imagery Data and Machine Learning Technique
- Predicting the sugarcane yield in real-time by harvester engine parameters and machine learning approaches
- A system for plant detection using sensor fusion approach based on machine learning model
- Identification and measurement of gaps within sugarcane rows for site-specific management: Comparing different sensor-based approaches
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
