Desenvolvimento de um dispositivo eletrônico para calibração de sensores de umidade do solo

Com o advento da eletrônica e a disponibilidade de "software" de processamento, vários tipos de transdutores têm sido testados, visando à determinação da umidade do solo. O uso desses transdutores tem por objetivo a otimização do consumo de água e o conseqüente retorno econômico da atividade da agricultura irrigada. No Laboratório de Hidráulica do Departamento de Engenharia Agrícola da Universidade Federal do Ceará, construiu-se um dispositivo para calibração de sensores de umidade do solo, a sua calibração e a determinação de suas principais propriedades, como precisão e cargas mínima e máxima. O dispositivo consistiu numa torre em aço 1020, com 3,0 m de altura, no topo da qual se montou uma balança de braços. Em um dos braços da balança, colocou-se uma amostra de solo para a inserção dos sensores de umidade e, no outro, uma célula de carga para medir a variação de massa de água na amostra de solo. Foi implementado um circuito eletrônico para permitir a interface da célula de carga com um sistema de aquisição de dados. A análise de regressão, cuja variável dependente foi a saída da célula de carga, e a independente, a massa à qual a balança foi submetida, mostrou-se linear entre 1 kg e 50 kg, com coeficiente de determinação de 0,99995 e coeficiente angular de 0,09198 mV g-1. O dispositivo pode ser utilizado para calibração de sensores de umidade do solo com sensibilidade correspondente à variação de 12,28 mL de água e cargas mínima e máxima para as amostras de solo variando entre 1 e 50 kg.

Uso de redes neurais artificiais na identificação de vocalização de suínos

O bem-estar dos animais tem sido importante tópico de pesquisa na produção animal, principalmente no tocante às formas de sua avaliação. Na avaliação do bem-estar animal, a vocalização mostra-se como ferramenta interessante, por fornecer dados de forma não-invasiva, podendo também ser facilmente automatizada. O presente trabalho teve o objetivo de implementar algoritmo baseado em redes neurais artificiais, capaz de reconhecer vocalizações relacionadas com padrões indicativos de bem-estar. A pesquisa teve duas partes, sendo a primeira o desenvolvimento do algoritmo, e a segunda, sua validação com dados de campo. Registros prévios permitiram o desenvolvimento do algoritmo, a partir de comportamentos observados em porcas alojadas em gaiolas de maternidade. O software Matlab® foi utilizado na implementação da rede. Foi selecionado um algoritmo de gradiente de retropropagação para treinar a rede com os seguintes critérios de parada: máximo de 5.000 iterações ou soma quadrática do erro menor que 0,1. A validação deu-se com porcas e leitões alojados em granja comercial. Dentre os comportamentos usuais, os que mereceram destaque foram: a disputa por alimento no momento das mamadas e o eventual risco de agressão involuntária entre os leitões ou entre esses e a porca. O algoritmo foi capaz de reconhecer, por meio da intensidade do ruído, a situação inerente ao risco de redução do bem-estar dos leitões.

Reconhecimento de variedades de soja por meio do processamento de imagens digitais usando redes neurais artificiais

Neste trabalho, foi aplicado o processamento de imagens digitais auxiliado pelas Redes Neurais Artificiais (RNA) com a finalidade de identificar algumas variedades de soja por meio da forma e do tamanho das sementes. Foram analisadas as seguintes variedades: EMBRAPA 133, EMBRAPA 184, COODETEC 205, COODETEC 206, EMBRAPA 48, SYNGENTA 8350, FEPAGRO 10 e MONSOY 8000 RR, safra 2005/2006. O processamento das imagens foi constituído pelas seguintes etapas: 1) Aquisição da imagem: as amostras de cada variedade foram fotografadas por máquina fotográfica Coolpix995, Nikon, com resolução de 3.34 megapixels; 2) Pré-processamento: um filtro de anti-aliasing foi aplicado para obter tons acinzentados da imagem; 3) Segmentação: foi realizada a detecção das bordas das sementes (Método de Prewitt), dilatação dessas bordas e remoção de segmentos não-necessários para a análise. 4) Representação: cada semente foi representada na forma de matriz binária 130x130, e 5) Reconhecimento e interpretação: foi utilizada uma rede neural feedforward multicamadas, com três camadas ocultas. O treinamento da rede foi realizado pelo método backpropagation. A validação da RNA treinada mostrou que o processamento aplicado pode ser usado para a identificação das variedades consideradas.

Definição do posicionamento de sensores para monitoramento da água no solo em bananeira irrigada por diferentes sistemas de irrigação localizada

O uso eficiente da água na irrigação localizada dependerá, além de outros fatores, também do correto monitoramento da água no solo. Portanto, este trabalho teve como objetivo caracterizar as zonas efetivas de comprimento de raízes e de extração de água, bem como indicar o correto posicionamento de sensores de água no solo para o manejo da irrigação por gotejamento na bananeira em fase de produção. No experimento, conduzido na Embrapa Mandioca e Fruticultura Tropical, foram estudados diferentes sistemas de irrigação localizada, diante dos seguintes tratamentos: T1 - dois emissores de 4 L h-1 por planta em uma lateral por fileira de plantas; T2 - quatro emissores de 4 L h-1 por planta em uma lateral por fileira de plantas; T3 - cinco emissores de 4 L h-1 por planta em faixa contínua com uma lateral por fileira. Pelos resultados obtidos, pode-se observar que as regiões mais adequadas para a instalação de sensores de umidade no solo nos tratamentos T1, T2 e T3 são as limitadas pelas distâncias e profundidades de 0,2 m e 0,4 m; 0,5 m e 0,35 m; 0,55 m e 0,35 m, respectivamente.

Utilização de análise multivariada e redes neurais artificiais na determinação do comportamento de colonização de populações de macrófitas aquáticas no reservatório de Santana

As análises de agrupamento e de componentes principais e as redes neurais artificiais foram utilizadas na determinação de padrões de comportamento das populações de macrófitas aquáticas que colonizaram o reservatório de Santana, Piraí-RJ, durante o ano de 2004. As análises de agrupamento dividiram o comportamento das populações durante o ano em dois grupos distintos, apresentando um padrão no primeiro semestre que difere daquele observado no segundo semestre do ano. A análise de componentes principais demonstrou que esse comportamento da comunidade (grupo de populações) é influenciado principalmente pelas espécies S. montevidensis, Heteranthera reniformis, Ludwigia sp., Rhynchospora aurea, C. iria, C. ferax e Aeschynomene denticulata no primeiro grupo e por Echinochloa polystachya, Polygonum lapathifolium, Alternanthera phyloxeroides, Pistia stratiotes, Eichhornia azurea, Brachiaria arrecta e Oxyscarium cubense no segundo grupo. As redes neurais artificiais agruparam as populações de macrófitas aquáticas em nove grupos, conforme sua densidade nos diferentes meses do ano. A aplicação da análise de componentes principais (ACP) nos valores de frequência das populações presentes nos primeiros três grupos de Kohonen permitiu discriminar três grupos de meses, cujas populações apresentaram características diferentes de colonização. A aplicação das redes neurais artificiais permitiu melhor discriminação dos meses e das espécies que compõem as comunidades correspondentes, quando utilizada a análise de componentes principais.

Aplicação de redes neurais para avaliação do teor de carne mecanicamente separada em salsicha de frango

A carne mecanicamente separada (CMS) de frango é uma matéria-prima cárnea produzida através de equipamentos próprios do tipo desossadores mecânicos, utilizando partes de frango de baixo valor comercial como o dorso e o pescoço. Para determinação do teor de CMS utilizada na composição de produtos cárneos comerciais construímos uma rede neural artificial do tipo Backpropagation (BP). O objetivo deste trabalho foi treinar, testar e aplicar uma rede do tipo BP, com três camadas de neurônios, para previsão do teor de CMS a partir do teor de minerais de salsichas formuladas com diferentes teores de carne de frango mecanicamente separada. Utilizamos a composição mineral de 29 amostras de salsicha contendo diferentes teores de CMS e 22 amostras de produtos cárneos comerciais. A topologia da rede foi 5-5-1. O erro quadrático médio no conjunto de treinamento foi de 2,4% e na fase de teste foi de apenas 3,8%. No entanto, a aplicação da rede às amostras comerciais foi inadequada devido à diferença de ingredientes das salsichas usadas no treinamento e os ingredientes das amostras comerciais. A rede neural construída para determinação do teor de carne mecanicamente separada mostrou-se eficiente durante a fase de treinamento e teste da rede.

Redes neurais e representação mental: um ensaio sobre harmonia e racionalidade

Investigaremos, a partir da perspectiva da Ciência Cognitiva, a noção de representação mental, no domínio da percepção visual humana. Ênfase é dada ao paradigma Conexionista, ou de Redes Neurais, de acordo com o qual tais representações mentais são descritas como estruturas emergentes da interação entre sistemas de processamento de informação que se auto-organizam - tais como o cérebro - e a luz estruturada no meio ambiente. Sugerimos que essa noção de representação mental indica uma solução para uma antiga polêmica, entre Representacionalistas e Eliminativistas, acerca da existência de representações mentais no sistema perceptual humano.