AGROWISE: Aplicação Móvel para Recomendação de Cultivos Agrícolas Baseado em Aprendizado de Máquina

• Ismael Vieira Guedes IFPI
• Felipe Gonçalves dos Santos IFPI
• Thiago Reis da Silva IFMA

DOI: https://doi.org/10.5753/erbase.2024.4416

Resumo

A agricultura enfrenta desafios como fatores climáticos imprevisíveis e doenças nas colheitas. A implementação de inovações tecnológicas, como o Aprendizado de Máquina, tem aumentado o rendimento e a qualidade das colheitas. Esse ramo da Inteligência Artificial é aplicado na agricultura de precisão, que usa grandes volumes de dados para identificar padrões no solo, revolucionando os ciclos de cultivo. Integrar o aprendizado de máquina na agricultura pode melhorar os resultados e reduzir riscos. Este trabalho propõe uma aplicação móvel para recomendação de cultivos, utilizando um modelo de aprendizado de máquina treinado com dados de temperatura, umidade, pH e informações do solo.

Referências

Cruz, F. Python: Escreva seus primeiros programas. Editora Casa do Código, 2015.

Dhankar, A.; Gupta, N. A systematic review of techniques, tools and applications of machine learning. In: IEEE Third International Conference on Intelligent Communication Technologies and Virtual Mobile Networks – ICICV, pp. 764-768, 2021.

Gaurav, A.; Chitra, L.; Munish, J. Data Analytics: Principles, Tools, and Practices: A Complete Guide for Advanced Data Analytics Using the Latest Trends, Tools, and Technologies (English Edition). BPB Publications, 2022.

Hamdan, M. F.; Noor, S. N. M.; Abd-Aziz, N.; Pua, T. L.; Tan, B. C. Green revolution to gene revolution: Technological advances in agriculture to feed the world. Plants, 11(10), 2022.

IBGE, Censo Agro 2017: população ocupada nos estabelecimentos agropecuários cai 8,8% | Agência de Notícias. Disponível em: [link]. Acesso em: 23 fev. 2024.

Ingle, Crop Recommendation Dataset. Disponível em: [link]. Acesso em: 28 fev. 2024.

Li, T.; Xia, T.; Wang, H.; Tu, Z.; Tarkoma, S.; Han, Z.; Hui, P. Smartphone app usage analysis: datasets, methods, and applications. IEEE Communications Surveys and Tutorials, 24(2), 937-966, 2022.

Moura, M. R. A.; Costa, L. S. F. Levantamento de artigos sobre interação humano-computador em periódicos de ciência, tecnologia e sociedade. In: Revista Tecnologia e Sociedad), v. 14, n. 33, 2018.

Narayana, P; Saxena, S. Online Crop Doctor using Machine Learning and Deep Learning. 2023.

ONU. Número de pessoas afetadas pela fome sobe para 828 milhões em 2021. Disponível em: [link]. Acesso em: 20 fev. 2024.

Pedregosa, F.; Varoquaux, G.; Gramfort, A.; Michel, V.; Thirion, B.; Grisel, O.; Duchesnay, E. Scikit-learn: Machine learning in python journal of machine learning research. Journal of machine learning research, 12, 2825-2830, 2011.

Prevelato, M. Sistema de recomendação de plantio utilizando aprendizado de máquina. 2023. 83 f. Trabalho de Conclusão de Curso (Engenharia de Controle e Automação) – Universidade Federal de Uberlândia, Uberlândia, 2023.

Raheem, M. A.; Hussain, M. S.; Ahmed, S. A. Machine Learning based Crop Recommendation on a Cloud. In IEEE 8th International Conference for Convergence in Technology (I2CT) (pp. 1-5), 2023.

Sri, B. S.; Pavani, G.; Sindhuja, B. Y. S.; Swapna, V.; Priyanka, P. L. An Improved Machine Learning based Crop Recommendation System. In IEEE International Conference on Sustainable Computing and Data Communication Systems (ICSCDS) (pp. 64-68), 2023.

Shah, S.; Jain, N.; Shah, S.; Bide, P. J. A Flutter Application For Farmers. In IEEE Asian Conference on Innovation in Technology (ASIANCON) (pp. 1-8), 2021.

The World Bank. Agriculture and Food. Disponível em: [link]. Acesso em: 10 jan. 2024.

Van Klompenburg, T.; Kassahun, A.; Catal, C. Crop yield prediction using machine learning: A systematic literature review. Computers and electronics in agriculture, 177, 105709, 2020.