ESTUDOS SOBRE MODELAGEM E MAPEAMENTO COM USO DE APRENDIZAGEM PROFUNDA NO CRESCIMENTO RADICULAR DE CULTIVARES

Abstract

Tecnologias avançadas na agricultura de precisão são aplicadas no estudo da arquitetura radicular otimizando o crescimento, produtividade e promovendo uma agricultura mais sustentável, eficiente e regenerativa do solo. Nesse sentido, o objetivo deste trabalho é apresentar uma revisão literária analisando o uso da inteligência artificial no contexto da agricultura de precisão sobre modelagem e mapeamento radicular de cultivares com auxílio de redes neurais. Essa abordagem se justifica à medida que estas ferramentas se tornam capazes de adaptar-se às mudanças nas condições de solo e planta, aprendendo com erros e aprimorando-se continuamente, tomando decisões sobre a aplicação de insumos e ajustes de manejo agrícola, construção e manutenção de base de dados, identificando desafios e possíveis melhorias no modelo com base na arquitetura radicular da planta. Os resultados apresentam uma economia no tempo de pesquisa, eliminação de ruídos e erros, detecção de imagens até então invisíveis e não interferência humana no desenho da arquitetura, calibração no monitoramento e ajuste de umidade. Dessa forma, conclui-se a importância de pesquisar e analisar diferentes tamanhos de amostras e explorar métodos de laboratórios e de campo menos onerosos e mais engenhosos na fenotipagem de raízes.