Banca de DEFESA: ELIAS HORÁCIO ZAVALA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: ELIAS HORÁCIO ZAVALA
DATA: 24/02/2026
HORA: 14:15
LOCAL: google meet
TÍTULO:

TERMOGRAFIA AÉREA E APRENDIZADO DE MÁQUINA NA AVALIAÇÃO DE TÉCNICAS AGRONÔMICAS E PREDIÇÃO DA PRODUTIVIDADE DO CAFEEIRO

PALAVRAS-CHAVES:

Cafeicultura; Manejo do solo; Sensoriamento remoto; Redes neurais convolucionais; Previsão de produtividade.

PÁGINAS: 91
GRANDE ÁREA: Ciências Agrárias
ÁREA: Engenharia Agrícola
SUBÁREA: Máquinas e Implementos Agrícolas
RESUMO:

A cafeicultura possui elevada relevância socioeconômica no Brasil e em países em desenvolvimento, mas enfrenta desafios crescentes associados às mudanças climáticas, exigindo estratégias de manejo mais eficientes e ferramentas avançadas de monitoramento. Neste estudo, avaliou-se a influência de diferentes coberturas do solo (filme de polietileno, capim brachiaria e solo exposto) e de duas cultivares de café arábica (Arara e Mundo Novo) na dinâmica térmica da copa, bem como o uso de técnicas de inteligência artificial para a classificação automática dos níveis de floração e sua relação com a produtividade. O monitoramento térmico foi realizado por meio de termografia aérea com veículos aéreos remotamente pilotados (RPAs), em campanhas mensais ao longo de um ciclo fenológico completo, entre junho de 2024 e junho de 2025. As imagens térmicas foram processadas no Pix4D Mapper® e no QGIS®, e os dados analisados estatisticamente no R®, utilizando séries temporais, análise de variância e modelos de regressão. A cobertura com capim brachiaria promoveu maior atenuação térmica da copa, com reduções de até 1,76 °C, além de reduzir significativamente a relação entre a temperatura do solo e da copa, limitando o aumento térmico a 0,38 °C para a cultivar Mundo Novo e 0,19 °C para a Arara. Durante o período de floração, a cultivar Arara apresentou copas até 1,1 °C mais frias em comparação à Mundo Novo, evidenciando diferenças fisiológicas e de resposta ao microclima. Paralelamente, imagens aéreas RGB foram utilizadas para a classificação automática dos níveis de floração (baixa, média e alta) por meio de Redes Neurais Convolucionais (CNNs). O conjunto de dados foi composto por 1.593 imagens segmentadas e padronizadas, e foram avaliadas quatro arquiteturas de CNN, incluindo uma rede customizada e modelos baseados em aprendizado por transferência (VGG16, ResNet50 e MobileNetV2). A arquitetura VGG16 apresentou o melhor desempenho, com acurácia de 92,02% e loss de 0,2563 no conjunto de teste. As classes extremas de floração foram classificadas com maior precisão, enquanto a classe intermediária apresentou maior confusão, associada à sobreposição visual entre estágios fenológicos adjacentes. A validação agronômica demonstrou correlação positiva entre os níveis de floração classificados e a produtividade real (kg planta⁻¹), com r = 0,717 e R² = 0,515 considerando as duas cultivares em conjunto. A cultivar Arara apresentou associação mais forte (r = 0,772; R² = 0,596), enquanto a Mundo Novo apresentou relação de menor magnitude (r = 0,663; R² = 0,439). O ajuste por regressão linear simples apresentou erro moderado (RMSE = 1,03 kg planta⁻¹; MAE = 0,87 kg planta⁻¹). Conclui-se que a termografia aérea é eficiente para o monitoramento térmico dos cafeeiros, que a brachiaria desempenha papel fundamental na modulação do microclima da copa, e que as CNNs constituem uma ferramenta robusta para a classificação da floração e apoio à estimativa antecipada da produtividade, contribuindo para a gestão sustentável da cafeicultura.

MEMBROS DA BANCA:
Externo à Instituição - FELIPE ANDRÉS OBANDO VEGA - IU Digital (Membro)
Presidente - GABRIEL ARAUJO E SILVA FERRAZ (Membro)
Externo à Instituição - LUCAS SANTOS SANTANA - UFVJM (Suplente)
Externo à Instituição - MILENE ALVES DE FIGUEIREDO CARVALHO - EMBRAPA (Membro)
Externo à Instituição - MIRIAN DE LOURDES OLIVEIRA E SILVA - UFLA (Suplente)