Técnicas de Engenharia do Conhecimento Aplicadas à Agricultura Inteligente: uma revisão
DOI:
https://doi.org/10.70597/vozes.v10i20.1424Palavras-chave:
Agricultura Inteligente, Engenharia do Conhecimento, Tecnologias da Informação e Comunicação, Técnicas, Gestão agrícolaResumo
Destacando a agricultura como um importante meio de produção, a inserção de técnicas inovadoras nesta área pode auxiliar um melhor manejo dos cultivos e o rendimento das safras. A Internet das Coisas tem ganhado destaque na agricultura e, em conjunto com a aplicação de outras técnicas relacionadas às Tecnologias da Informação e Comunicação, fez surgir um novo conceito agrícola, o da Agricultura Inteligente. Desta forma, o artigo em questão busca identificar quais as técnicas e práticas relacionadas à Engenharia do Conhecimento são empregadas na Agricultura Inteligente. Para atingir este objetivo, foi realizada uma revisão sistemática de literatura, utilizando como fonte de recuperação de informação as bases de dados IEEE, Scopus e Web of Science, e como recorte temporal as produções dos últimos 5 anos. Como resultado, foram encontradas 18 produções sobre o tema, as quais, após passarem por análise bibliográfica e descritiva, foram analisadas quanto às principais técnicas agrícolas utilizadas. Como conclusões, o estudo aponta que a Agricultura Inteligente, aliada às técnicas de Engenharia do Conhecimento, tem capacidade de potencializar as produções agrícolas, disponibilizando ao agricultor melhores informações sobre as safras e a gestão dos cultivos, auxiliando na tomada de decisão.
Referências
ALZU’BI, S. et al. An efficient employment of internet of multimedia things in smart and future agriculture. Multimedia Tools and Applications, [s.l.], v. 78, n. 20, p. 29581-29605, fev. 2019.
ARAÚJO, R. F.; ALVARENGA, L. A bibliometria na pesquisa científica da pósgraduação brasileira de 1987 a 2007. Encontros Bibli: revista eletrônica de biblioteconomia e ciência da informação, Florianópolis, v. 16, n. 31, p.51-70, maio 2011.
BASECA, C. C. et al. A smart decision system for digital farming. Agronomy, [s.l.], v. 9, n. 5, p. 216-234, abr. 2019.
BOERES, S. A. A. A Engenharia do Conhecimento e a Ciência da Informação. Biblios: Journal of Librarianship and Information Science, [s.l.], n. 57, p. 59-66, maio 2014.
BOTELHO, L. L. R.; CUNHA, C. C. A.; MACEDO, M. O método da revisão integrativa nos estudos organizacionais. Gestão e Sociedade, [s.l.], v. 5, n. 11, p.121-136, 2 dez. 2011.
BUDAEV, D. et al. Conceptual design of smart farming solution for precise agriculture. International journal of design & nature and ecodynamics, [s.l.], v. 13, n. 3, p. 307-314, ago. 2018.
CHANDAK, P. P.; AGRAWAL, A. J. Smart farming system using data mining. International Journal of Innovative Science and Research Technology, [s.l.], v. 2, n. 6, p. 376-380, jun. 2016.
CODELUPPI, G. et al. LoRaFarM: a lorawan-based smart farming modular iot architecture. Sensors, [s.l.], v. 20, n. 7, p. 2028-2052, abr. 2020.
GALVÃO, T. F.; PEREIRA, M. G. Revisões sistemáticas da literatura: passos para sua elaboração. Epidemiologia e Serviços de Saúde, Brasília, v. 23, n. 1, p. 183184, mar. 2014.
GARCIA, L. P. Revisão sistemática da literatura e integridade na pesquisa. Epidemiologia e Serviços de Saúde, Brasília, v. 23, n. 1, p. 7-8, mar. 2014 .
GNANASANKARAN, N.; RAMARAJ, E. The effective yield of paddy crop in Sivaganga district: an initiative for smart farming. International journal of scientific & technology research, [s.l.], v. 9, n. 2, p. 6452-6455, fev. 2020.
GOODFELLOW; I., BENGIO; Y.; COURVILLE, A. Deep learning. MIT Press, 2016. Disponível em: http://www.deeplearningbook.org/. Acesso em: jan. 2021.
HASEEB, K. et al. An energy efficient and secure IoT-based WSN framework: an application to smart agriculture. Sensors, [s.l.], v. 20, n. 7, p. 2081-2094, abr. 2020.
HEERA, S. S. et al. Smart farming using deep learning technique. International Journal of Control and Automation, [s.l.], v. 13, n. 2, p. 771-775, 2020.
JAYARAMAN, P. P. et al. Internet of Things platform for smart farming: experiences and lessons learnt. Sensors, [s.l.], v. 16, n. 11, p. 1884-1900, nov. 2016.
KERKECH, M.; HAFIANE, A.; CANALS, Raphael. Vine disease detection in UAV multispectral images using optimized image registration and deep learning segmentation approach. Computers and Electronics in Agriculture, [s.l.], v. 174, p. 105446-105460, jul. 2020.
MEDINA, E. U.; PAILAQUILÉN, R. M. B. Systematic Review and its Relationship with Evidence-Based Practice in Health. Revista Latino-americana de Enfermagem, [s.l.], v. 18, n. 4, p.824-831, ago. 2010.
NAWANDAR, N. K.; SATPUTE, V. R. IoT based low cost and intelligent module for smart irrigation system. Computers and Electronics in Agriculture, [s.l.], v. 162, p. 979-990, jul. 2019a.
NAWANDAR, N. K.; SATPUTE, V. R. IoT based intelligent irrigation support system for smart farming applications. Advances in distributed computing and artificial intelligence journal, [s.l.], v. 8, n. 2, p. 73-85, 14 mar. 2019b.
O'GRADY, M. J.; O'HARE, G. M. P. Modelling the smart farm. Information processing in agriculture, v. 4, n. 3, p. 179-187, 2017.
PARK, Y.; NA, M. H.; CHO, Wanhyun. Determination on environmental factors and growth factors affecting tomato yield using pattern recognition techniques. Multimedia Tools and Applications, [s.l.], v. 78, n. 20, p. 28815-28834, jan. 2019.
PATIL, Suhas M.; SAKKARAVARTHI, R. Internet of things based smart agriculture system using predictive analytics. Asian journal of pharmaceutical and clinical research, [s.l.], v. 10, n. 13, p. 148-152, abr. 2017.
PHAM, X.; STACK, Martin. How data analytics is transforming agriculture. Business Horizons, v. 61, n. 1, p. 125-133, 2018.
PINEDA-JARAMILLO, J. D. A review of Machine Learning (ML) algorithms used for modeling travel mode choice. Dyna rev.fac.nac.minas, [s.l.], v. 86, n. 211, p. 32-41, out. 2019.
PIVOTO, D. et al. Scientific development of smart farming technologies and their application in Brazil. Information processing in agriculture, v. 5, n. 1, p. 21 - 32, jan. 2018.
PREMA, K.; BELINDA, M. C. Smart Farming: IoT Based Plant Leaf Disease Detection and Prediction using Deep Neural Network with Image Processing. International Journal of Innovative Technology and Exploring Engineering, [s.l.], v. 8, n. 9, jul. 2019.
RAJESWARI, S.R. et al. Smart farming prediction using machine learning. International Journal of Innovative Technology and Exploring Engineering, [s.l.], v. 8, n. 7, p. 190-194, maio 2019.
RAMAKRISHNA, C. et al. IoT based smart farming using cloud computing and machine learning. International Journal of Innovative Technology and Exploring Engineering, [s.l.], v. 9, n. 1, p. 3455-3458, nov. 2019.
SA, I. et al. WeedNet: dense semantic weed classification using multispectral images and mav for smart farming. Ieee Robotics and Automation Letters, [s.l.], v. 3, n. 1, p. 588-595, jan. 2018.
SINDHU, P.; INDIRANI, G. IOT with cloud based smart farming for citrus fruit disease classification using optimized convolutional neural networks. International Journal on Emerging Technologies, [s.l.], v. 11, n. 2, p. 52-56, 2020.
SUBASHINI, M. M. et al. Internet of Things based wireless plant sensor for smart farming. Indonesian journal of electrical engineering end computer science, [s.l.], v. 10, n. 2, p. 456-468, maio 2018.
TATAPUDI, A.; VARMA, P. S. Prediction of crops based on environmental factors using IoT & machine learning algorithms. International Journal of Innovative Technology and Exploring Engineering, v. 9, n. 1, p. 5395-5401, nov. 2019.
UNITED NATIONS. Department of Economic and Social Affairs Population Dynamics. 2019. Disponível em: https://population.un.org/wpp/DataQuery/. Acesso em: 05 dez. 2020.
XIN, J.; ZAZUETA, F. Technology trends in ICT – towards data-driven, farmercentered and knowledge-based hybrid cloud architectures for smart farming. AgricEngInt: CIGR Journal, [s.l.], v. 18, n. 4, p. 275-279, dez. 2016.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
A Revista proporciona acesso público - Open Access - a todo seu conteúdo protegidos pela Licença Creative Commons (CC-BY).
