Uso de analytics e redes neurais perceptron para investigação das relações entre insumos agrícolas e produtividade

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCardoso, Flávia Aparecida Reitz-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-0432-9191-
Autor(es): dc.contributorhttp://lattes.cnpq.br/2663975071704461-
Autor(es): dc.contributorRoberto, Rafael Liberato-
Autor(es): dc.contributorhttps://orcid.org/0000-0001-5943-1663-
Autor(es): dc.contributorhttp://lattes.cnpq.br/7833556006473564-
Autor(es): dc.contributorCardoso, Flávia Aparecida Reitz-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-0432-9191-
Autor(es): dc.contributorhttp://lattes.cnpq.br/2663975071704461-
Autor(es): dc.contributorSantos, Márcio Carvalho dos-
Autor(es): dc.contributorhttp://lattes.cnpq.br/3345512166888862-
Autor(es): dc.contributorRoberto, Rafael Liberato-
Autor(es): dc.contributorhttps://orcid.org/0000-0001-5943-1663-
Autor(es): dc.contributorhttp://lattes.cnpq.br/7833556006473564-
Autor(es): dc.contributorSilva, Tamires Guimarães da-
Autor(es): dc.contributorhttps://orcid.org/0000-0003-3863-5338-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5024301285608987-
Autor(es): dc.contributorSouza, Wyrllen Everson de-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-2603-5215-
Autor(es): dc.contributorhttp://lattes.cnpq.br/3149585270858364-
Autor(es): dc.creatorSales, Rafael Francisco Czornik-
Data de aceite: dc.date.accessioned2025-08-29T13:21:33Z-
Data de disponibilização: dc.date.available2025-08-29T13:21:33Z-
Data de envio: dc.date.issued2024-12-15-
Data de envio: dc.date.issued2024-12-15-
Data de envio: dc.date.issued2024-11-19-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/35634-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1111840-
Descrição: dc.descriptionTechnological advancements in areas such as advanced sensors, GPS systems, drones, and precision fertilization techniques have been significant drivers of the evolution of agribusiness. This study employed Analytics methods and Perceptron neural networks to investigate correlations between agricultural inputs and the productivity of soybean and corn crops from 2020 to 2023, considering variables such as the use of herbicides, fungicides, fertilizers, and climatic indicators. Big Data analysis enabled the identification of useful patterns and trends, using tools like Python and scientific libraries for data processing and visualization. The Perceptron demonstrated potential as a lightweight and scalable computational model, although the results revealed no explicit correlations between inputs and productivity, suggesting that additional factors, such as climate and soil management, play a significant role. The experiments also highlighted computational limitations that restricted model effectiveness, emphasizing the need for more robust hardware and supplementary data to improve analysis accuracy. Despite these challenges, the study underscores the value of using advanced technologies in rural management, providing a solid foundation for strategic and optimized decision-making in the agricultural sector. It concludes that combining Analytics techniques with neural networks holds great potential for future analyses, provided that more external variables and computational resources are integrated into the process, fostering more effective agricultural management adapted to the increasing demands of the agribusiness market.-
Descrição: dc.descriptionO progresso tecnológico em áreas como sensores avançados, sistemas de GPS, drones e técnicas de adubação de precisão tem sido um motor significativo para a evolução do agronegócio. Este estudo utilizou métodos de Analytics e redes neurais Perceptron para investigar as correlações entre insumos agrícolas e a produtividade de soja e milho entre 2020 e 2023, considerando variáveis como uso de herbicidas, fungicidas, fertilizantes e indicadores climáticos. A análise de Big Data permitiu identificar padrões e tendências úteis, empregando ferramentas como Python e bibliotecas científicas para o tratamento e visualização de dados. O Perceptron demonstrou potencial como modelo computacional leve e escalável, embora os resultados tenham revelado a ausência de correlações explícitas entre insumos e produtividade, sugerindo que fatores adicionais, como clima e manejo do solo, desempenham um papel significativo. Os experimentos também mostraram limitações computacionais que restringiram a eficácia dos modelos, destacando a necessidade de hardware mais robusto e dados complementares para melhorar a precisão das análises. Apesar das dificuldades, o trabalho reforça o valor do uso de tecnologias avançadas na gestão rural, oferecendo uma base sólida para decisões estratégicas e otimizadas no setor agrícola. Conclui-se que a combinação de técnicas de Analytics com redes neurais apresenta grande potencial para análises futuras, desde que mais variáveis externas e recursos computacionais sejam integrados ao processo, promovendo uma gestão agrícola mais eficaz e adaptada às crescentes demandas do mercado agropecuário.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCampo Mourao-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherPrograma de Pós-Graduação em Inovações Tecnológicas-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttps://creativecommons.org/licenses/by-nc-sa/4.0/deed.pt-br-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectAgroindústria-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectArtificial intelligence-
Palavras-chave: dc.subjectAgricultural industries-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS-
Palavras-chave: dc.subjectEngenharia/Tecnologia/Gestão-
Título: dc.titleUso de analytics e redes neurais perceptron para investigação das relações entre insumos agrícolas e produtividade-
Título: dc.titleUse of analytics and perceptron neural networks to investigate the relationships between agricultural inputs and productivity-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.