Development and evaluation of an automated system for fertigation control in soilless tomato production

Neto, Antônio José Steidle; Zolnier, Sérgio; Lopes, Daniela de Carvalho

doi:10.1016/j.compag.2014.02.001

Cited by 48 publications

(18 citation statements)

References 31 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Therefore, predicting whether the EC will increase or decrease in the future can help with sophisticated nutrient control. Because nutrient solution control depends on a contemporary EC in current soilless cultures (Neto et al, 2014; Kinoshita et al, 2016), predicted 3-h EC might improve the accuracy of nutrient control. In addition, since the RMSE did not change much near the test accuracy of 0.08 after the 9 h, it can be said that stable forecasts during a day are possible.…”

Section: Discussionmentioning

confidence: 99%

“…Although various prediction methods have been developed, nutrient control systems are usually based on contemporary EC monitoring and are vulnerable to ion balance in root-zone nutrient solutions (Neto et al, 2014; Kinoshita et al, 2016). These limits result from crops influencing changes in EC and from growth environments (Dewir et al, 2005; Stutte, 2006; Shin and Son, 2016).…”

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Forecasting Root-Zone Electrical Conductivity of Nutrient Solutions in Closed-Loop Soilless Cultures via a Recurrent Neural Network Using Environmental and Cultivation Information

2018

View full text Add to dashboard Cite

In existing closed-loop soilless cultures, nutrient solutions are controlled by the electrical conductivity (EC) of the solution. However, the EC of nutrient solutions is affected by both growth environments and crop growth, so it is hard to predict the EC of nutrient solution. The objective of this study was to predict the EC of root-zone nutrient solutions in closed-loop soilless cultures using recurrent neural network (RNN). In a test greenhouse with sweet peppers (Capsicum annuum L.), data were measured every 10 s from October 15 to December 31, 2014. Mean values for every hour were analyzed. Validation accuracy (R2) of a single-layer long short-term memory (LSTM) was 0.92 and root-mean-square error (RMSE) was 0.07, which were the best results among the different RNNs. The trained LSTM predicted the substrate EC accurately at all ranges. Test accuracy (R2) was 0.72 and RMSE was 0.08, which were lower than values for the validation. Deep learning algorithms were more accurate when more data were added for training. The addition of other environmental factors or plant growth data would improve model robustness. A trained LSTM can control the nutrient solutions in closed-loop soilless cultures based on predicted future EC. Therefore, the algorithm can make a planned management of nutrient solutions possible, reducing resource waste.

show abstract

Section: Discussionmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

Forecasting Root-Zone Electrical Conductivity of Nutrient Solutions in Closed-Loop Soilless Cultures via a Recurrent Neural Network Using Environmental and Cultivation Information

2018

View full text Add to dashboard Cite

show abstract

“…Em casa de vegetação, sistemas automáticos de controle dos eventos de aplicação de água e do preparo de soluções nutritivas para implementação da fertirrigação têm sido propostos por diversos pesquisadores, com o objetivo de avaliar a resposta dinâmica destes sistemas diante de alterações das condições meteorológicas do ambiente de cultivo (DOMINGUES et al, 2012;ROMERO et al, 2012;STEIDLE NETO et al, 2014). Nestes estudos, o desempenho do sistema no controle da duração e da frequência de irrigação é avaliado a partir da quantificação de indicadores de crescimento e de produtividade ao longo do ciclo da cultura.…”

Section: Introductionunclassified

Avaliação do efeito do estresse hídrico no crescimento de cultivares de cana-de-açúcar usando um sistema automático de fertirrigação

et al. 2015

Self Cite

View full text Add to dashboard Cite

O objetivo desta pesquisa foi identificar o efeito de diferentes níveis de estresse hídrico no crescimento das cultivares RB92579, RB855453, RB867515 e RB928064, utilizando um sistema automático de controle dos eventos de fertirrigação, durante o período de formação da cana-de- -açúcar. No período experimental, as plantas foram submetidas a períodos alternados de estresse e de reposição hídrica, por meio de fertirrigações periódicas, cujos limites do potencial matricial de água (Y) foram aqui denominados, para propósitos comparativos, como ausência de estresse, estresse leve, moderado e severo, respectivamente, para os valores críticos de Y de −10, −60, −90 e −120 kPa. Para avaliação do efeito do estresse hídrico no crescimento da cana-de-açúcar, foi utilizado o modelo sigmoidal com três parâmetros, tendo graus-dia acumulados como variável independente, o qual demonstrou excelente ajuste aos dados de estatura dos colmos (R2aj > 0,95). Na ausência de estresse hídrico, os valores máximos da taxa de elongação dos colmos (TEC) estiveram compreendidos entre 0,23 e 0,26 cm°Cd-1, independentemente da cultivar. Por outro lado, sob estresse severo, os valores máximos da TEC estiveram entre 0,07 e 0,09 cm°Cd-1, também independentemente da cultivar avaliada.

show abstract

“…The experiment was conducted at the Diogo Alves de Mello Experimental Field of the Federal University of Viçosa, in Viçosa, state of Minas Gerais, Brazil. The region has a Cwa, hot temperate mesothermic climate, with rainy summer and dry winter, according to the Köppen classification (STEIDLE NETO;ZOLNIER;LOPES, 2014). Tomato (Solanum lycopersicom) plants of the cultivar Santa Cruz Kada (Paulista) were grown from September 4 to September 29, 2017.…”

Section: Methodsmentioning

confidence: 99%

Precision tools for irrigation management of tomato seedlings

2020

View full text Add to dashboard Cite

A produção de mudas é um ponto crítico do sistema de produção de hortaliças. Devido a informações sobre o consumo de água pelas mudas, o planejamento da irrigação se torna ineficiente, fato que provoca perdas na qualidade das mudas. O objetivo do experimento foi testar o uso de hidrogel no substrato e determinar o manejo de irrigação adequado através de ferramentas de automatização do sistema de irrigação. O experimento foi conduzido em ambiente protegido na Universidade Federal de Viçosa. Foram produzidas mudas de tomate (Solanum lycopersicom) em bandejas de polietileno, preenchidas com substrato com e sem a presença de hidrogel. As mudas foram irrigadas com sistema de microaspersão, acionado a partir de um sistema automatizado. Os tratamentos de manejo de irrigação foram através da evapotranspiração da cultura (ETc), timer, 0.50 ETo e 1,00 ETo. Foram avaliados componentes de qualidade das mudas como altura, comprimento de raiz, diâmetro de colo, massa seca de raiz e parte aérea. O uso do hidrogel foi um diferencial para produção de mudas de tomate mais precoces, com maior altura final, maior diâmetro de colo, maior acúmulo de massa seca de parte aérea, maior área de projeção da copa e maior a taxa de crescimento relativo de parte aérea. Na presença do hidrogel o manejo 0.50 ETo favoreceu maiores plantas, com colo mais fino e menor massa seca de parte aérea.

show abstract

Development and evaluation of an automated system for fertigation control in soilless tomato production

Cited by 48 publications

References 31 publications

Forecasting Root-Zone Electrical Conductivity of Nutrient Solutions in Closed-Loop Soilless Cultures via a Recurrent Neural Network Using Environmental and Cultivation Information

Forecasting Root-Zone Electrical Conductivity of Nutrient Solutions in Closed-Loop Soilless Cultures via a Recurrent Neural Network Using Environmental and Cultivation Information

Avaliação do efeito do estresse hídrico no crescimento de cultivares de cana-de-açúcar usando um sistema automático de fertirrigação

Precision tools for irrigation management of tomato seedlings

Contact Info

Product

Resources

About