Modelagem de uma RSSF para manejo de pragas em pomares usando o simulador Eboracum
Resumo
O Eboracum é um framework extensível para modelagem e simulação de redes de sensores sem fio (RSSF). Este fornece primitivas de alto nível de abstração para modelagem da plataforma de hardware bem como aspectos da aplicação, permitindo assim avaliar a eficiência de soluções de RSSF dedicadas a uma dada aplicação. Neste trabalho, empregamos o Eboracum para a modelagem de uma solução de RSSF para o manejo integrado de pragas baseado em armadilhas eletrônicas. Uma pequena extensão do simulador foi proposta para a modelagem das armadilhas como nodos sensores. Com base na modelagem proposta e em resultados preliminares de simulação, a eficiência desta solução é discutida e prospeta-se otimizações.
Palavras-chave:
rede de sensores, agricultura de precisão, simulação, modelagem
Referências
(2019). Eboracum. Disponı́vel em: https://sourceforge.net/projects/eboracum/. Acesso em: 25 de julho 2021.
Alsharif, M. H., Kim, S., e Kuruoğlu, N. (2019). Energy harvesting techniques for wireless sensor networks/radio-frequency identification: a review. Symmetry, 11(7):865.
Digi International Inc. (2020). Xbee/xbee-pro s2c zigbee: Rf module. Disponı́vel em: [link]. Acesso em: 13 de julho 2021.
Ding, W. e Taylor, G. (2016). Automatic moth detection from trap images for pest management. Computers and Electronics in Agriculture, 123:17–28. DOI: https://doi.org/10.1016/j.compag.2016.02.003
Freitas, L., Martins, V., Ferreira Jr, P., e Brisolara, L. (2019). Aplicação de redes de sensores sem fio para o manejo de pragas em pomares: Avaliação de módulos de comunicação. In CONGRESSO DE INICIAÇÃO CIENTÍFICA DA UFPEL.
Haghighi, M. e Cliff, D. (2013). Multi-agent support for multiple concurrent applications and dynamic data-gathering in wireless sensor networks. In 7th International Conference on Innovative Mobile and Internet Services in Ubiquitous Computing, IMIS. DOI: https://doi.org/10.1109/IMIS.2013.60
Manikandan, S. e Jayapriya, P. (2018). Precision agriculture using wireless sensor network system: opportunities and challenges. International Journal of Engineering and Computer Science.
Marques, M. R. S., Brisolara, L., Jr., P. R. F., e Indrusiak, L. S. (2016). Eboracum: An extensible framework for high-level modeling and evaluation of reactive and adaptable wsns. In IEEE 21st International Conference on Emerging Technologies and Factory Automation (ETFA), pages 1–8. DOI: https://doi.org/10.1109/ETFA.2016.7733569
Martins, V. A. M., Freitas, L. C., de Aguiar, M. S., de Brisolara, L. B., e Ferreira, P. R. (2019). Deep learning applied to the identification of fruit fly in intelligent traps. In IX Brazilian Symposium on Computing Systems Engineering (SBESC), pages 1–8. DOI: https://doi.org/10.1109/SBESC49506.2019.9046088
Mello, B. A. d. e Caimi, L. L. (2008). Simulação na validação de sistemas computacionais para a agricultura de precisão. Revista Brasileira de Engenharia Agrı́cola e Ambiental, 12:666 – 675.
Murtaza, G., Ramzan, M., Ghani, M. U., Munawar, N., Majeed, M., Perveen, A., e Umar, K. (2019). Effectiveness of different traps for monitoring sucking and chewing insect pests of crops. Egyptian Academic Journal of Biological Sciences. A, Entomology, 12(6):15–21. DOI: https://doi.org/10.21608/eajbsa.2019.58298
Parsons, L., Ross, R., e Robert, K. (2019). A survey on wireless sensor network technologies in pest management applications. SN Applied Sciences, 2(1). DOI: https://doi.org/10.1007/s42452-019-1834-0
Remboski, T., Souza, W., Aguiar, M., e Ferreira Jr, P. (2018). Identification of fruit fly in intelligent traps using techniques of digital image processing and machine learning. In 33rd Annual ACM Symposium on Applied Computing, pages 260–267. DOI: https://doi.org/10.1145/3167132.3167155
Sharma, S., Kooner, R., e Arora, R. (2017). Insect pests and crop losses. In Breeding insect resistant crops for sustainable agriculture, pages 45–66. Springer.
Shelton, A. e Badenes-Pérez, F. (2006). Concepts and applications of trap cropping in pest management. Annual review of entomology, 51:285–308. DOI: https://doi.org/10.1146/annurev.ento.51.110104.150959
Zhang, Y., Chen, D., Wang, S., e Tian, L. (2018). A promising trend for field information collection: An air-ground multi-sensor monitoring system. Information Processing in Agriculture, 5. DOI: https://doi.org/10.1016/j.inpa.2018.02.002
Zigbee Alliance. Zigbee specification. Disponı́vel em: http://www.zigbee.org/. Acesso em: 25 de setembro 2021.
Alsharif, M. H., Kim, S., e Kuruoğlu, N. (2019). Energy harvesting techniques for wireless sensor networks/radio-frequency identification: a review. Symmetry, 11(7):865.
Digi International Inc. (2020). Xbee/xbee-pro s2c zigbee: Rf module. Disponı́vel em: [link]. Acesso em: 13 de julho 2021.
Ding, W. e Taylor, G. (2016). Automatic moth detection from trap images for pest management. Computers and Electronics in Agriculture, 123:17–28. DOI: https://doi.org/10.1016/j.compag.2016.02.003
Freitas, L., Martins, V., Ferreira Jr, P., e Brisolara, L. (2019). Aplicação de redes de sensores sem fio para o manejo de pragas em pomares: Avaliação de módulos de comunicação. In CONGRESSO DE INICIAÇÃO CIENTÍFICA DA UFPEL.
Haghighi, M. e Cliff, D. (2013). Multi-agent support for multiple concurrent applications and dynamic data-gathering in wireless sensor networks. In 7th International Conference on Innovative Mobile and Internet Services in Ubiquitous Computing, IMIS. DOI: https://doi.org/10.1109/IMIS.2013.60
Manikandan, S. e Jayapriya, P. (2018). Precision agriculture using wireless sensor network system: opportunities and challenges. International Journal of Engineering and Computer Science.
Marques, M. R. S., Brisolara, L., Jr., P. R. F., e Indrusiak, L. S. (2016). Eboracum: An extensible framework for high-level modeling and evaluation of reactive and adaptable wsns. In IEEE 21st International Conference on Emerging Technologies and Factory Automation (ETFA), pages 1–8. DOI: https://doi.org/10.1109/ETFA.2016.7733569
Martins, V. A. M., Freitas, L. C., de Aguiar, M. S., de Brisolara, L. B., e Ferreira, P. R. (2019). Deep learning applied to the identification of fruit fly in intelligent traps. In IX Brazilian Symposium on Computing Systems Engineering (SBESC), pages 1–8. DOI: https://doi.org/10.1109/SBESC49506.2019.9046088
Mello, B. A. d. e Caimi, L. L. (2008). Simulação na validação de sistemas computacionais para a agricultura de precisão. Revista Brasileira de Engenharia Agrı́cola e Ambiental, 12:666 – 675.
Murtaza, G., Ramzan, M., Ghani, M. U., Munawar, N., Majeed, M., Perveen, A., e Umar, K. (2019). Effectiveness of different traps for monitoring sucking and chewing insect pests of crops. Egyptian Academic Journal of Biological Sciences. A, Entomology, 12(6):15–21. DOI: https://doi.org/10.21608/eajbsa.2019.58298
Parsons, L., Ross, R., e Robert, K. (2019). A survey on wireless sensor network technologies in pest management applications. SN Applied Sciences, 2(1). DOI: https://doi.org/10.1007/s42452-019-1834-0
Remboski, T., Souza, W., Aguiar, M., e Ferreira Jr, P. (2018). Identification of fruit fly in intelligent traps using techniques of digital image processing and machine learning. In 33rd Annual ACM Symposium on Applied Computing, pages 260–267. DOI: https://doi.org/10.1145/3167132.3167155
Sharma, S., Kooner, R., e Arora, R. (2017). Insect pests and crop losses. In Breeding insect resistant crops for sustainable agriculture, pages 45–66. Springer.
Shelton, A. e Badenes-Pérez, F. (2006). Concepts and applications of trap cropping in pest management. Annual review of entomology, 51:285–308. DOI: https://doi.org/10.1146/annurev.ento.51.110104.150959
Zhang, Y., Chen, D., Wang, S., e Tian, L. (2018). A promising trend for field information collection: An air-ground multi-sensor monitoring system. Information Processing in Agriculture, 5. DOI: https://doi.org/10.1016/j.inpa.2018.02.002
Zigbee Alliance. Zigbee specification. Disponı́vel em: http://www.zigbee.org/. Acesso em: 25 de setembro 2021.
Publicado
10/11/2021
Como Citar
ZANINI, Felipe Frantz; SOUZA, Weslen Schiavon de; BRISOLARA, Lisane Brisolara de; FERREIRA JR., Paulo R..
Modelagem de uma RSSF para manejo de pragas em pomares usando o simulador Eboracum. In: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA (SBIAGRO), 13. , 2021, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 197-206.
ISSN 2177-9724.
DOI: https://doi.org/10.5753/sbiagro.2021.18391.
