Dissertação
TouceiraTech: um Farm Management Information System para pecuária de precisão baseado em predição com redes neurais recorrentes
Registro en:
SOARES, Ânderson Fischoeder. TouceiraTech: um Farm Management Information
System para pecuária de precisão baseado em predição com redes neurais recorrentes .144.: il. 2021. Dissertação (Mestrado em Computação Aplicada) – Universidade Federal do Pampa, Campus Bagé, Bagé, 2021.
Autor
Soares, Ânderson Fischoeder
Institución
Resumen
To increase productivity in beef cattle ranching it is essential to improve pasture manage ment, which demands periodic measurement of the mass and accumulation of forage and
adjustment of stocking rate. Therefore, it is important to develop tools capable of helping
cattle ranchers in this process. The present work, supported initially by an exploratory
methodology and later by an explanatory one, proposes, implements and evaluates Tou ceiraTech, a prototype of FMIS for Precision Cattle Raising capable of collecting, storing,
preprocessing, predicting and visualizing data on forage accumulation rate, necessary for
adjusting the stocking rate in a georeferenced area of interest. TouceiraTech was designed
in an interdisciplinary way, from the expansion of an original model of forage availabil ity prediction, based on machine learning with LSTM-type Artificial Neural Networks
with field vegetation data obtained by historical, direct, destructive sampling in experi ments carried out to evaluate animal production in different management conditions of
the native field. In the prediction model are aggregated meteorological data, remotely
collected from an automatic weather station near the region of interest, and also mete orological forecast data. These data are automatically pre-processed by TouceiraTech
to estimate specific variables, with emphasis on a new automated approach to estimate
evapotranspiration. In addition, it allows the use of non-destructive indirect sampling of
vegetation, based on NDVI, from the processing of aerial images incorporated into its spa tial database. The results demonstrate the effectiveness of automated periodic collection
of meteorological data needed for prediction, from remote databases of INMET, INPE
and NOAA. In particular, they prove that changes in the model training approach, in a
stratified way, complemented by adjustments in its input variables, allowed the design of
specialized models by treatment types with accuracy significantly higher than that of the
original model. Additionally, they indicate the potential of incorporating georeferenced
aerial images to enable a decision support system to adjust stocking rates based on indirect
sampling with low operational cost, replacing the direct method. Para aumentar a produtividade na pecuária de corte é fundamental aprimorar o manejo
do pasto, o que demanda a mensuração periódica da massa e do acúmulo de forragem e o
ajuste da taxa de lotação. Portanto, mostra-se relevante desenvolver ferramentas capazes
de auxiliar os pecuaristas neste processo. O presente trabalho, amparado inicialmente
por uma metodologia exploratória e, posteriormente, explicativa, propõe, implementa
e avalia o TouceiraTech, um protótipo de FMIS para Pecuária de Precisão capaz de
coletar, armazenar, pré-processar, predizer e visualizar dados sobre a taxa de acúmulo,
necessária para o ajuste da taxa de lotação em uma área de interesse georreferenciada.
O TouceiraTech foi projetado de forma interdisciplinar, a partir da expansão de um
modelo original de predição de disponibilidade de forragem, baseado em aprendizado de
máquina com Redes Neurais Artificiais do tipo LSTM com dados de vegetação campestre
obtidos pela amostragem histórica, direta, destrutiva, em experimentos realizados para
avaliar a produção animal em diferentes condições de manejo do campo nativo. No
modelo de predição são agregados dados meteorológicos, coletados remotamente de
estação meteorológica automática próxima à região de interesse e, também, dados
de previsão meteorológica. Esses dados são automaticamente pré-processados pelo
TouceiraTech para estimação de variáveis específicas, com destaque para uma nova
abordagem automatizada para a estimativa da evapotranspiração. Além disso, permite
o uso de amostras indiretas não destrutivas da vegetação, com base no NDVI, a partir
do processamento de imagens aéreas incorporadas ao seu banco de dados espacial.
Os resultados demonstram a eficácia das coletas periódicas automatizadas dos dados
meteorológicos necessários para a predição, a partir de bases remotas do INMET, INPE
e NOAA. Em especial, comprovam que mudanças na abordagem de treinamento do
modelo, de forma estratificada, complementada por ajustes nas suas variáveis de entrada,
permitiram a concepção de modelos especializados por tipos de tratamento com acurácia
significativamente superior à do modelo original. Adicionalmente, indicam o potencial
da incorporação de imagens aéreas georreferenciadas para viabilizar um sistema de
suporte à decisão de ajuste de taxa de lotação com base em amostragem indireta de baixo
custo operacional, em substituição ao método direto.