Banca de TCC – William Dalmorra de Souza

UNIVERSIDADE FEDERAL DE PELOTAS
CENTRO DE DESENVOLVIMENTO TECNOLÓGICO
TRABALHO DE CONCLUSÃO DE CURSO

Apresentações Finais (2016/2)

Um Modelo para Previsão de Infestações de Pragas em Lavouras Baseado nas Alterações Meteorológicas da Região
por
William Dalmorra de Souza

Curso:
Ciência da Computação

Banca:
Prof. Paulo Roberto Ferreira Jr. (orientador)
Prof. Marilton Sanchotene de Aguiar (co-orientador)
Eng. Rafael da Silva Gonçalves
Eng. Sandro Daniel Nörnberg
Profa. Ana Marilza Pernas Fleischmann

Data: 03 de Março de 2017

Hora: 10:00h

Local: Sala 309

Resumo do Trabalho: O uso de pesticidas como forma de controle do avanço da população de uma determinada praga é a técnica mais utilizada atualmente. Uma das razões para tal fato é a tempo de resposta que tal método possui, agindo de forma rápida e eliminando a ameaça à plantação. Entretanto, tais pesticidas são conhecidos por seu risco à saúde, tanto dos consumidores dos produtos quanto dos trabalhadores rurais e aplicadores dos pesticidas. As infestações são causadas por insetos, e muitos desses insetos possuem características que são fortemente influenciadas por fatores meteorológicos, por exemplo, o fato de possuírem sangue frio, o que os tornam frágeis à alterações na temperatura da região. Com base neste conhecimento, é possível afirmar que o comportamento dos insetos é previsível, capaz de ser determinado a partir das alterações climáticas da região. Neste contexto, este trabalho propõe a criação de um modelo de previsão de infestações baseando-se nas alterações climáticas da região. Mais especificamente, este trabalho busca informar a ocorrência de uma infestação com dias de antecedência, baseando-se nos dados meteorológicos dos últimos 3 dias observados. As informações utilizadas para previsão foram temperatura, umidade, nível de chuva e velocidade do vento. Estes dados foram fornecidos pela empresa Embrapa Clima Temperado, coletados entre os anos 2012 e 2015, em regiões próximas à cidade de Pelotas/RS. Para a realização do trabalho, foram utilizadas técnicas de mineração de dados para o tratamento dos dados e algoritmos de aprendizado de máquina para a criação do modelo de previsão. Os algoritmos utilizados neste trabalho são árvore de decisão, aprendizado bayesiano, máquina de vetores de suporte e redes neurais.

Para mais informações acesse: https://wp.ufpel.edu.br/notcc/bancas/historico/2016_2/