Inteligência artificial e imagens termográficas infravermelha para avaliação de secagem de sementes
Resumo
Reduzir perdas e aumentar a produtividade são dois fatores que precisam ser superados. A ciência e tecnologia de sementes consiste no papel importante para impulsionar o alto rendimento produtivo das culturas agrícolas. Com isso, busca-se através de inserção da tecnologia, resultados promissores com métodos eficazes na solução dos problemas gerados na cadeia sementeira. O objetivo deste trabalho foi avaliar o uso de inovações tecnológicas como aprendizado de máquina não supervisionado no desempenho de equipamento agrícola e a termográfia infravermelha no processo de secagem de sementes. Para avaliar o desempenho de secagem em secadores por inteligência artificial foram coletados dados de secadores convectivos, com base em: i) total de secadores trabalhados; ii) tempo de duração de secagem (horas); iii) percentual de umidade na entrada e saída do produto (%); e iv) diferenças de umidade entres ambas (%). Foi utilizado modelos de treinamento Filtered Clusterer, K-means e filtro Resample, para agrupar dados com base em suas similaridades. O algoritmo juntamente com os filtros demonstrou ser eficiente na classificação não supervisionada, identificando e minimizando similaridade inter-cluster do sistema fixo definindo em classes distintas dentro do conjunto de dados. Para analisar os efeitos da eficiência de secagem com o uso de secador com formato octógono e dimensões 6,65 x 2,50 x 3,25 m, com capacidade de 17 t, foi utilizado uma câmera térmica na faixa espectral de 7,5-13 μm, sendo considerado a radiação por três frações dependentes do comprimento de onda, absorbância (a), refletividade (r) e transmitância (t), onde foi possível identificar falhas problemáticas de temperatura durante a secagem. Conclui-se que ambas as tecnologias são promissoras para avaliar o processo de secagem facilitando a intepretação dos dados e a detecção de termogramas.