Navegando por Autor "Veloso, Gustavo Vieira"
Agora exibindo 1 - 4 de 4
- Resultados por Página
- Opções de Ordenação
Item Automação do sistema de direção de uma colhedora de café(Universidade Federal de Viçosa, 2013-07-30) Veloso, Gustavo Vieira; Fernandes, Haroldo Carlos; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4761460E6; Valente, Domingos Sárvio Magalhães; http://lattes.cnpq.br/8080945803303151; Teixeira, Mauri Martins; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4783316J8; http://lattes.cnpq.br/5446388671333942; Monteiro, Paulo Marcos de Barros; http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4798498J6O café é um dos principais itens de exportação do Brasil, como um dos líderes na balança comercial, e responsável por gerar um grande número de empregos. A colheita é a operação mais complexa e dispendiosa dentro do processo produtivo deste grão, principalmente em relação à mão de obra. Assim, cada vez mais, se faz necessário mecanizar esse processo. A colheita pode ser realizada de três formas: a manual, a semi- mecanizada e a mecanizada. A mecanização da coleta do café promove a diminuição da mão-de-obra necessária, que incorre na redução dos custos de produção. Entretanto, não há uma solução plenamente executável para a mecanização da colheita do café em regiões montanhosas. Assim sendo, os altos custos associados com a colheita manual, nestas regiões, são repassados ao consumidor. Para reduzir os custos da colheita, pesquisas estão sendo realizadas para o desenvolvimento de colhedoras adaptadas para este tipo de relevo. O grande empecilho está relacionado à manobrabilidade e ao risco de tombamento da colhedora. Assim, há a necessidade da construção de um sistema de máquina adaptado à declividade do terreno, e isso irá demandar o desenvolvimento de um sistema de direção das rodas desta máquina em questão que seja inovador. Em outras monoculturas, o conceito de orientação automática já vem sendo realizado, com o uso de componentes eletrônicos associados com o maquinário agrícola. Todos os sistemas de controle da máquina são ligados uma central de comando. Por sua vez, a central utiliza algoritmos armazenados em sua memória, para executar funções preestabelecidas pelo operador. Como, por exemplo, a execução as funções de direção e controle da máquina na área de colheita. Para isso existem sistemas CLP (controlador lógico programável) que empregam microcontroladores responsáveis pelos controles dos sistemas de direção de máquinas agrícolas. Entre os sistemas microcontrolados, tem-se a plataforma Arduino, que vem ganhando força devido ao seu baixo custo de aquisição dos componentes e a simplicidade de programação. Desse modo, o objetivo desse trabalho foi desenvolver dois sistemas de controle da direção de uma colhedora de café para regiões montanhosas, com base em CLP e Arduino. Os dois sistemas de controle da colhedora foram avaliados e comparados em laboratório. Os sistemas foram montados na colhedora de café, e foram utilizados sensores potenciométricos para controlar a direção das rodas. O ângulo de esterçamento das rodas executado a partir de do algoritmo foi o critério utilizado para avaliação dos sistemas desenvolvidos. Durante o estudo foram considerados dois tipos de movimentos da máquina. O primeiro foi realizado com as rodas em paralelo, enquanto o segundo com as rodas em movimento curvilíneo. Para o sistema de movimentação em paralelo, foram considerados doze (12) ângulos de execução e para o sistema em movimento curvilíneo, foram considerados oito (8) ângulos de execução. O delineamento inteiramente casualizado foi aplicado na realização desse estudo, com quatro repetições para a movimentação em paralelo e cinco repetições para o curvilíneo. Para os dois sistemas foram feitas validações, sendo comparados os resultados em cada roda e em cada movimento (paralelo e curvilíneo). Os resultados mostraram uma grande exatidão para os dois sistemas desenvolvidos, quanto ao movimento em paralelo, para todas as rodas. Sendo que, o sistema CLP foi mais preciso que o sistema Arduino. Para o movimento curvilíneo, os dois sistemas apresentaram grande exatidão, praticamente iguais estatisticamente. Os resultados nos movimento em paralelo mostram que o sistema CLP e mais preciso que o sistema Arduino, sendo mais recomendado para aplicação na colhedora. Para o movimento em curvilíneo não ouve diferença estatística, assim poderá ser usado qual um dos dois sistemas.Item Distribuição espacial de metais e metalóides nos solos do estado de minas gerais utilizando geoestatística e métodos de aprendizado de máquina(Universidade Federal de Viçosa, 2017-07-13) Veloso, Gustavo Vieira; Mello, Jaime Wilson Vargas de; http://lattes.cnpq.br/5446388671333942O Estado de Minas Gerais tem uma área de 588.384 km² que corresponde a um percentual de 6,9% do território brasileiro e de 63,5% da região sudeste do Brasil. Minas Gerais apresenta uma grande diversidade geológica. Essa variedade geológica sugere que os solos derivados desses materiais possuem elementos químicos nos mais diferentes teores no Estado. Nesse sentido, o objetivo desta pesquisa foi gerar mapas dos teores de metais e metaloides na camada superficial dos solos do Estado de Minas Gerais, utilizando-se de técnicas de aprendizado de máquina e krigagem Ordinária e comparar os resultados dos métodos. Os mapas de teores de 13 elementos traço (Al, As, B, Ba, Cd, Co, Cr, Cu, Fe, Hg, Mn, Mo, Ni, Pb, Sr, V e Zn) foram gerados a partir da Krigagem Ordinária desse elementos e de 5 outros constituintes do solo. Foi utilizado neste estudo um total de 648 amostras de solos georreferenciadas obtidas do „Banco de Solos‟ do Estado de Minas Gerais. A seleção das variáveis para a predição do teor de metais e metaloides seguiu procedimentos que visaram identificar as covariáveis com maior relevância, sendo usados métodos correlação linear e não linear. Para identificar a dependência espacial dos dados, foram realizados os seguintes testes de modelos teóricos de semivariograma: esférico, exponencial, estável e gaussiano. Seis algoritmos de predição dos teores foram usados neste estudo para o aprendizado de máquina, sendo estes: Cubist, SVMRadialSigma, Random Forest, ExtraTree, Ranger e Rborist. A verificação do desempenho desses algoritmos foi executada pela validação cruzada. Os resultados da seleção de covariáveis para o aprendizado de máquinas mostram coeficiente de determinação do algoritmo de treinamento (R 2 ) utilizado na seleção de covariáveis variaram de 0,03 a 0,43. As covariáveis categóricas litologia, geomorfologia e classe de solo apresentaram a maior importância na predição de 17 elementos. Covariáveis bioclimáticas foram importantes na predição dos teores de 16 elementos. Enquanto que, As covariáveis relacionadas à gamaespectrometria auxiliaram na predição dos teores de dez dos elementos analisados. Por sua vez, a magnetometria apresentou baixa importância para a predição do teor da maioria dos elementos nos solos, sendo importante somente para predição do Sr. Em geral, a transformação dos dados não promoveu um aumento na capacidade de predição dos elementos pelos modelos de aprendizado de máquinas, exceto para três elementos (Al, Sr e Zn). Na Krigagem Ordinária houver aumento do número de elementos com boa capacidade preditiva em alguns dos métodos de krigagem (Al, As, Co, Hg, Mn, Sb, Se, Sr e Zn. OS resultados de nRMSE variam entre 10% e 20%, obtendo resultados considerados bons, exceto por B e Mo. Os melhores resultados de nRMSE foram obtidos na predição com os dados sem transformações. A transformação dos dados em log1p gerou melhores resultados de treinamento apenas para Al e Zn. Para os elementos com os melhores resultados no método de aprendizado de máquinas foram: Ranger, SVMRadialSigma, RandomFlorest, Extratree. Os algoritmos Cubist e Rborist não alcançaram desempenho satisfatório na predição para nenhum elemento analisado. Os mapas espacializados pelos métodos de krigagem e aprendizado de máquinas apresentaram características similaridades para os elementos avaliados, com estimativas dos teores próximos. Os mapas especializados mostram maiores teores de As, Cd, Cr e Ni estão localizados na região do Quadrilátero Ferrífero, enquanto os elementos Cu, Fe, Mn, V e Zn apresentaram os maiores teores na região do triângulo mineiro. O elemento Co apresentou teores altos nas duas regiões, Quadrilátero Ferrífero e Triângulo mineiro. Os resultados mostraram que 11 elementos demostraram melhores pelos algoritmos de aprendizado de máquinas (Al, As, B, Co, Fe, Hg, Mn, Ni, Pb, Se e Zn). A espacialização dos teores dos metais e metaloides pelos algoritmos de aprendizado de máquinas, gerou mapas de 11 elementos com desempenhos superiores à krigagem. Os mapas gerados pelo método de espacialização por krigagem apresentam teores máximos superiores aos apresentados todos os elementos tirando o Pb. Os métodos de aprendizado de máquinas geram mapas com maior nível de detalhamento quando comparados com mapas gerados pela krigagem.Item Multivariate analysis and machine learning in properties of ultisols (Argissolos) of brazilian Amazon(Revista Brasileira de Ciência do Solo, 2018) Souza, Cristiano Marcelo Pereira de; Thomazini, André; Schaefer, Carlos Ernesto Gonçalves Reynaud; Veloso, Gustavo Vieira; Moreira, Guilherme Musse; Fernandes Filho, Elpídio InácioUltisols are the most common soil order in the Brazilian Amazon. The Legal Amazon (LA) has an area of 5 × 106 km2, with few accessible areas, which restricts studies of soils at a detailed level. The pedological properties can be estimated more efficiently using statistical procedures and machine learning techniques, tools which are capable of recognizing patterns in a large soil database. We analyzed the main chemical and physical properties of the B horizons of the Ultisols of the Brazilian Amazon, as well as the spatial variability of the most explanatory properties of these horizons. Physical and chemical data of 1,068 profiles of the RadamBrasil Project were used. A principal component analysis (PCA) was applied and the most explanatory variables were separated by morphostructural units and climate zones. The technique of machine learning was used for spatialization of the explanatory variables based on predictive covariates. In general, the horizons are thick, clay, with a predominance of negative charges, and low levels of exchangeable cations. The variables retained in the PCA were: sum of bases (SB), Al3+, degree of flocculation (Floc), ∆pH, and organic carbon content (C). Areas of greater precipitation have low SB, with higher values in the basement complex (BC) and in areas under the Andean influence. Higher levels of Al3+ and degrees of flocculation were also associated with greater precipitation. However, the soils are predominantly electronegative, showing a kaolinitic mineralogy. The C contents in general were low, with an increase in more humid zones due to the process of mineralization and illuviation (podzolization), and in the BC due to the protection of C by the aggregation of clay. The use of multivariate analysis allowed a better understanding of the Ultisols’ main properties in different morphostructural and climatic domains, and its spatialization facilitated the interpretation of properties and their relationships with environmental characteristics in the Legal Amazon.Item Reference values of soil quality for the Rio Doce Basin(Revista Brasileira de Ciência do Solo, 2018-04-16) Guevara, Yang Zumbo Coronel; Souza, José João Lelis Leal de; Veloso, Gustavo Vieira; Veloso, Renato Welmer; Rocha, Pablo Azevedo; Abrahão, Walter Antônio Pereira; Fernandes Filho, Elpídio InácioThe great geological and soil variation in the state of Minas Gerais, Brazil, indicates the need for regional studies to understand the geochemical background of soils. The Rio Doce Basin became a priority area for geochemical background determination after the rupture of the tailings dam of Fundão in 2015. In this context, the objectives of this study were to propose Reference Values of Soil Quality in the Rio Doce Basin, to define variables that can predict metal(loid) concentrations in the soil, and to examine the correlation between metal(loid) concentrations determined by X-ray fluorescence and by the traditional method. One hundred and seven samples were collected from minimally disturbed areas, representing the main soils and source materials. Metal(loid)s were determined by acid digestion and X-ray fluorescence. Descriptive statistics of the data, as well as the calculation of the Randomized Dependence Coefficient (RDC) and Principal Component Analysis (PCA) were carried out. The soils were found to be acidic, dystrophic with low Mehlich-1 extracted P contents, and have a variable texture. The coefficient of determination ranged from 0.4 to 0.9, suggesting X-ray fluorescence as a promising technique for determining metal(loid) concentrations in soils. The absence of correlation between clay and organic matter contents with metal(loid) concentrations suggests that the latter were inherited exclusively from the parent material, with little influence of pedogenesis. Metal mineralization in the highlands that constitute the topographic drainage divide of the basin increase the reference values of soil quality to higher values than established for the State of Minas Gerais.