PREVISÃO DA QUALIDADE DE CITROS (Citrus sinensis (L.) Osbeck) COM MODELOS DE APRENDIZAGEM DE MÁQUINA BASEADOS NA VARIABILIDADE CLIMÁTICA

• Processo: 24/19045-9
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de abril de 2025
• Data de Término da vigência: 31 de março de 2027
• Área de conhecimento: Ciências Agrárias - Agronomia - Agrometeorologia
• Pesquisador responsável: Glauco de Souza Rolim
• Beneficiário: Pedro Antonio Lorençone
• Instituição Sede: Faculdade de Ciências Agrárias e Veterinárias (FCAV). Universidade Estadual Paulista (UNESP). Campus de Jaboticabal. Jaboticabal , SP, Brasil
• Assunto(s): Citricultura Aprendizado computacional Python
• Palavra(s)-Chave do Pesquisador: Citricultura | machine learning | Modelagem de cultivos | python | Modelagem de cultivos

Resumo

A laranja (Citrus sinensis (L.) Osbeck) é uma das frutas mais amplamente produzidas e consumidas no mundo, desempenhando um papel essencial na economia agrícola de muitos países, especialmente no Brasil. O Brasil é o maior produtor mundial de laranjas e o cinturão citrícola (CCI), localizado principalmente no estado de São Paulo e as regiões sudoeste de minas e triângulo mineiro, sendo responsável por mais de 80% da produção nacional. A qualidade das laranjas, tanto para consumo in natura quanto para a produção de suco, é um fator crucial que determina o valor de mercado e a competitividade do setor, exigindo um rigoroso controle e previsões acuradas para otimizar a cadeia produtiva. Este projeto visa prever a qualidade de laranjas utilizando modelos de aprendizado de máquina, levando em consideração a variabilidade climática e as diferenças entre grupos de maturação: precoce, meia-estação e tardios, e em sistemas de produção: irrigados e de sequeiro na região do CCI. A Citrosuco, a maior produtora mundial de suco de laranja, fornecerá os dados utilizados para este estudo, que cobrem o período de 2012 a 2024. Serão analisados 2.121 talhões distribuídos em 27 propriedades localizadas no CCI. A Citrosuco possui um histórico consistente de monitoramento da qualidade dos frutos, garantindo dados confiáveis para o treinamento e teste dos modelos preditivos. Os modelos de previsão serão desenvolvidos com técnicas de aprendizado de máquina, integrando dados climáticos obtidos de 27 estações meteorológicas instaladas nas propriedades e dados do sistema NASA POWER para preenchimento de falhas. Os parâmetros de qualidade a serem considerados serão o teor de sólidos solúveis (BRIX), acidez titulável total (ATT), RATIO, quilo de sólidos solúveis por caixa (KGSS) e porcentagem de suco (%SUCO). Como resultado este estudo pretende desenvolver modelos robustos para prever a qualidade dos frutos identificando as variáveis climáticas que mais influenciam a qualidade dos frutos e contribuindo para a otimização das estratégias de manejo e colheita. Isso permitirá uma tomada de decisão estratégica por parte dos produtores e da indústria de suco. Os resultados também serão utilizados para gerar mapas de qualidade esperada, auxiliando no planejamento agrícola da região.