Tornando Inteligentes Secadores de Grãos de Baixo Custo

• Andressa Assae Perri Tamara Rodrigues UNIPAMPA
• Lanes Beatriz Acosta Jaques UNIPAMPA
• Débora Taís Neves Barros UNIPAMPA
• Fábio Righi da Silva UNIPAMPA
• Rodrigo Brandão Mansilha UNIPAMPA

DOI: https://doi.org/10.5753/eramiars.2025.16755

Resumo

A agricultura familiar enfrenta desafios significativos na etapa de pós-colheita, especialmente na secagem de grãos. Esse processo busca atingir uma faixa de umidade considerada segura (11–13%) para melhorar a conservação e a qualidade dos grãos durante o armazenamento. No entanto, em muitas operações (pequenas e grandes), os parâmetros de secagem ainda são definidos com base na experiência empírica do operador, o que pode comprometer a eficiência e deteriorar a qualidade do produto final. Este trabalho propõe a investigação de técnicas de Aprendizado de Máquina para otimizar os parâmetros de um secador de grãos de baixo custo voltado para a realidade da agricultura familiar que está sendo desenvolvido em projeto mais amplo. Este é o primeiro passo em direção à agregação de inteligência a uma solução inovadora, eficiente, sustentável e acessível para melhorar os processos de secagem.

Referências

Acosta, L. (2017). Uso de técnicas de aprendizado de máquina para predição da qualidade de grãos durante o transporte. PhD thesis, Universidade Federal de Pelotas, Pelotas, Brasil.

IBGE (2017). Censo agropecuário 2017. Acesso em: 10 nov. 2024.

Jibril, A. M., Farah, S. T., and Shafie, A. S. (2024). Far infrared drying influence on machine learning algorithms in improving corn quality prediction. Journal of Food Process Engineering, 47(1):e14567.

Nath, A., Singh, R., Sharma, P., and Kumar, V. (2024). Post-harvest cereal grain losses: causes, impacts and mitigation strategies. Journal of Cereal Science, 115:103789.

Santos, N., Goulart, A., Kersten, D., Cornelio, J., Basso, F., and Mansilha, R. (2024). Proraf: Rastreamento da agricultura familiar. In Anais Estendidos do XX Simpósio Brasileiro de Sistemas de Informação, pages 241–244, Porto Alegre, RS, Brasil. SBC.

Schmidt, L., Lorencena, M. C., and Teixeira, M. (2018). Controle de operações em secadores de grãos com redução do consumo de recursos naturais. Revista de Informática Aplicada, 14(1):26–37.

Xing, S., Lin, Z., Gao, X., Wang, D., Liu, G., Cao, Y., and Liu, Y. (2024). Research on outgoing moisture content prediction models of corn drying process based on sensitive variables. Applied Sciences, 14(13):5680.