Banca de DEFESA: RAÍ FERNANDES QUEIROZ ALVES

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: RAÍ FERNANDES QUEIROZ ALVES
DATA: 23/02/2026
HORA: 14:00
LOCAL: Hibrido
TÍTULO:

USO INTEGRADO DE MÉTODOS DE PULVERIZAÇÃO E APRENDIZADO DE MÁQUINA PARA MANEJO DE FERRUGEM E CERCOSPORIOSE DO CAFEEIRODE DIFERENTES MÉTODOS

PALAVRAS-CHAVES:

drone de pulverização, agricultura de precisão, inteligência artificial, machine learning, Coffea arabica

PÁGINAS: 79
GRANDE ÁREA: Ciências Agrárias
ÁREA: Agronomia
SUBÁREA: Fitotecnia
RESUMO:

As doenças foliares podem comprometer a produtividade e resultar em perdas econômicas significativas na cafeicultura. Este estudo comparou a eficiência de pulverização por aeronaves não tripuladas (UAs) e por métodos convencionais, além de testar diferentes métodos de seleção de variáveis climáticas e espectrais para a predição de ferrugem e cercosporiose por diferentes modelos. Espera-se que que UAs superem o pulverizador costal em terreno declivoso e a seleção de variáveis elevam o desempenho dos modelos. Para isso, experimentos foram realizados em lavouras de café em produção, ambas localizadas no sul de Minas Gerais, apresentando 9 e 20 % de declividade. Foram utilizados duas UAs multirrotores, Agras T10 e T30, e turboatomizador tratorizado em área plana, e atomizador costal em área declivosa. Cobertura, densidade de gotas e diâmetro mediano volumétrico (DMV) foram medidos em papéis hidrossensíveis e comparados por modelos lineares generalizados. Para a predição de incidência (binária) e severidade (multiclasse) foram utilizados modelos de machine learning (modelos boosting e rede neural) que combinaram três índices de vegetação e duas variáveis climáticas selecionadas por mRMR via RFCQ e MIQ. Os modelos foram treinados com 70% dos dados e k-fold igual 5, e testados em 30% do conjunto de dados. Matrizes de confusão, acurácia, precisão, recall e F1 foram analisados para comparação de desempenho. Para eficiência de aplicação, em terreno plano, o turboatomizador apresentou 7 vezes mais capacidade de cobertura e densidade de gota de 4 a 6 vezes mais quando comparado com as aeronaves não tripuladas.  Em terreno declivoso, as aeronaves alcançaram 90% a mais de eficiência no terço superior comparado com atomizador costal. Já para predição de doenças, o Gradient Boosting apresentou acurácia de 0,909 e precisão 0,891 para incidência de ferrugem quando as variáveis preditoras foram selecionadas pelo método RFCQ, que também foi melhor para incidência de cercosporiose. Enquanto a severidade obteve maior confusão entre classes, tendo o melhor desempenho em cercosporiose com MLP, obtendo acurácia de 0,756 e precisão 0,751 quando o método MIQ foi utilizado para selecionar as cinco variáveis, já a severidade de ferrugem permaneceu mais desafiadora. Logo, UAs são tecnicamente viáveis e mais vantajosas em cafezais de montanha do que em áreas planas, e a seleção das variáveis preditoras, integrando clima e espectro, proporcionam uma modelagem mais assertiva, contribuindo para um manejo fitossanitário mais preciso na cafeicultura.

MEMBROS DA BANCA:
Presidente - ADAO FELIPE DOS SANTOS (Membro)
Interno - CESAR ELIAS BOTELHO - UFLA (Suplente)
Externo à Instituição - ROUVERSON PEREIRA DA SILVA - UNESP (Suplente)
Externo à Instituição - MARCELO ROFRIGUES BARBOSA JUNIOR - MIZZOU (Membro)
Externo à Instituição - GUILHERME BARBOSA ABREU - EMBRAPA (Membro)