Proximal spectroscopy sensing for sugarcane quality prediction and spatial variability mapping (2021)
- Authors:
- Autor USP: CORRÊDO, LUCAS DE PAULA - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LEB
- DOI: 10.11606/T.11.2021.tde-07012022-095827
- Subjects: AGRICULTURA DE PRECISÃO; CANA-DE-AÇÚCAR; COLHEDORAS; ESPECTROSCOPIA INFRAVERMELHA; SENSORES ÓPTICOS; VARIABILIDADE ESPACIAL
- Agências de fomento:
- Language: Inglês
- Abstract: Sensores para estimativa de atributos relacionados à qualidade de produtos agrícolas têm sido avaliados e implementados desde linhas de produção em setores industriais até iniciativas em âmbito de produção agrícola. Aplicações em campo buscam fornecer informações espacializadas ao longo do talhão relacionadas à qualidade do produto colhido. Com aplicações avançadas no setor industrial, a espectroscopia no infravermelho próximo (NIR) apresenta-se como a melhor alternativa devido à precisão das medições, realização de análises não destrutivas e rápidas, facilidade de operação, custo reduzido e sustentável. Além disso, a tendência de miniaturização dos equipamentos têm possibilitado maior flexibilidade de aplicações. Sensores NIR tem sido utlizados em iniciativas para identificar a variabilidade espacial da qualidade de uva, grãos e forragens. Entretanto, as aplicações para monitoramento da qualidade da cana-de-açúcar ainda são incipientes. O primeiro estudo deste documento (Capítulo 2) focou na avaliação da variabilidade espacial de atributos de qualidade de cana-de-açúcar em um campo comercial, a partir de amostras coletadas manualmente em campo e processadas para mensuração por espectroscopia NIR sob a forma desfibrada. Além disso, os mapas produzidos foram avaliados comparativamente a mapas produzidos a partir de resultados obtidos por métodos convencionais de análise em laboratório. O segundo estudo (Capítulo 3) buscou avaliar o potenial de predição de parâmetros dequalidade de cana-de-açúcar com espectroscopia NIR em diferentes níveis de preparo de amostra: sem preparo (toletes), com leituras em diferentes secções, cana desfibrada, e caldo cru. Além disso, buscou-se alcançar variabilidade nos modelos de calibração em função da variação climática com coletas realizadas em diferentes períodos ao longo de uma safra. Nessa etapa o experimento foi realizado em um laboratório de qualidade de uma usina, a fim de que análises NIR e convencionais fossem realizadas simultaneamente. Além disso, os modelos de calibração e predição de ambos os estudos foram desenvolvidos por análise multivariada, com regressões por mínimos quadrados parciais (PLSR), e avaliada a importância das bandas espectrais na predição de compostos orgânicos com base no reportado na literatura. O terceiro estudo (Capítulo 4) foi conduzido com um micro espectrômetro NIR embarcado no elevador de uma colhedora de cana-de-açúcar para coleta de informações em tempo real em três áreas de uma lavoura comercial. Para isso, foi construída uma plataforma de mensuração com fontes de iluminação externa. Durante a colheita, foram coletadas amostras diretamente da máquina, após leitura pelo sensor, para calibração e validação dos modelos. Além disso, foram retiradas subamostras de cana desfibrada, a partir das amostras processadas para análise por métodos convencionais, para mensuração em bancada, de forma similar ao realizado no primeiro estudo. Esses espectros foram utilizados paraconstrução de modelos de transferência de calibração para ajuste dos espectros coletados em tempo real na colhedora. Em seguida foram construídos modelos de calibração, validados e utilizados para estimativa de atributos de qualidade de cana- de-açúcar coletados em tempo real. Ao final da colheita, foram coletadas amostras de solo para avaliação de relações de causa e efeito com os dados de qualidade estimados. O método proposto permitiu a construção de modelos variográficos com dependência espacial e a espacialização dos dados de qualidade de cana-de-açúcar obtidos por mensurações com o sensor embarcado. Além disso, as relações de causa e efeito corroboraram com os resultados estimados, ao apresentarem relação entre os parâmetros de qualidade e atributos físicos do solo. Os resultados dessa pesquisa constituem uma nova etapa no direcionamento de pesquisas para viabilizar a obtenção de dados espacializados de qualidade de cana-de-açúcar por meio de sensores embarcados
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2021
- Data da defesa: 13.10.2021
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
CORRÊDO, Lucas de Paula. Proximal spectroscopy sensing for sugarcane quality prediction and spatial variability mapping. 2021. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-07012022-095827/. Acesso em: 18 set. 2024. -
APA
Corrêdo, L. de P. (2021). Proximal spectroscopy sensing for sugarcane quality prediction and spatial variability mapping (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11152/tde-07012022-095827/ -
NLM
Corrêdo L de P. Proximal spectroscopy sensing for sugarcane quality prediction and spatial variability mapping [Internet]. 2021 ;[citado 2024 set. 18 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-07012022-095827/ -
Vancouver
Corrêdo L de P. Proximal spectroscopy sensing for sugarcane quality prediction and spatial variability mapping [Internet]. 2021 ;[citado 2024 set. 18 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11152/tde-07012022-095827/ - Nitrogen variable rate in pastures using optical sensors
- Eficiência do uso de nitrogênio em adubação a taxa variada em capim Xaraés (Urochloa brizantha)
- Near-infrared spectroscopy as a tool for monitoring the spatial variability of sugarcane quality in the fields
- Spatial variability mapping of sugarcane qualitative attributes
- Definition of optimal maize seeding rates based on the potential yield of management zones
- Evaluation of Minimum Preparation Sampling Strategies for Sugarcane Quality Prediction by vis-NIR Spectroscopy
- Mapping coffee yield with computer vision
- Predicting the sugarcane yield in real-time by harvester engine parameters and machine learning approaches
- Sugarcane Harvester for In-field Data Collection:: State of the Art, Its Applicability and Future Perspectives
- Precision agriculture and the digital contributions for site-specific management of the fields
Informações sobre o DOI: 10.11606/T.11.2021.tde-07012022-095827 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas