Survey on connectivity and cloud computing technologies: State-of-the-art applied to Agriculture 4.0

Integrated Service Architecture to Promote the Circular Economy in Agriculture 4.0

“…The growth of the number of sensors scattered in agriculture can generate a large amount of data, and latency problems may occur in sending data through technologies such as Bluetooth in relevant virtual network scenarios [75]. Applications using machine learning [93] with a prototype for acquiring data from multiple sensors, machine learning algorithms, Geo statistics, and localization of IoT devices [115] are examples. The case study using computer vision [94] and machine learning [27] for inspecting coffee leaves on a farm in Colombia is an important practical example.…”

Rastreabilidade Agrícola via Aplicativo NAmob: O Primeiro Ciclo de Avaliação sob Design Science Research

“…A terceira, no pós-guerra, como revolução verde, com aumentos de produtividade e avanços em biotecnologia [Rose and Chilvers 2018]. E, a atual quarta revolução ou Agricultura 4.0 [Frankelius et al 2019] ou Revolução da Agricultura Digital [Trendov et al 2019], que conta com uso de sensores, robôs, softwares, inteligência artificial, entre outras [Araújo et al 2021] [Romani et al 2015] [Simionato et al 2020.…”

Análise econômica e operacional de preparo de solo e colheita mecanizada

“…Atualmente tecnologias digitais vêm sendo utilizadas nas mais diversas áreas, buscando abranger o máximo de sistemas e realidades possíveis, com um objetivo em comum de acelerar e otimizar o uso dos recursos utilizados para produzir mais com menos (ALBIERO et al, 2020;LIMA et al, 2020;MEGETO et al, 2020;SIMIONATO et al, 2020). Nesse ideal, surge a necessidade de criar soluções digitais para produção de alimentos, a qual é um dos grandes desafios do século XXI onde a população mundial cresce de forma exponencial, e a produtividade nos setores do agronegócio possuem a tarefa de acompanhar esse crescimento de forma sustentável.…”

“…A agricultura digital refere-se se à inserção de tecnologias de informação e aplicativos na agricultura, que em conjunto buscam agregar inteligência a dispositivos, sensores e equipamentos, automatizando operações agrícolas, racionalizando o uso de insumos e melhorando a gestão agrícola das fazendas, possibilitando atingir novos patamares de produtividade no campo (ALBIERO et al, 2020;VILLAFUERTE et al, 2018). Learning, área de estudo do campo da inteligência artificial, têm ampliado o leque de possibilidades no sentido de fazer uma agricultura inteligente e cada vez mais competitiva (ALBIERO et al, 2020;LIMA et al, 2020;MEGETO et al, 2020;SIMIONATO et al, 2020;VILLAFUERTE et al, 2018).…”

“…Em muitos casos, não existe a possibilidade de instalação à produção vegetal, seja para facilitar o entendimento quanto ao comportamento da cultura dentro de seu contexto ambiental, explorar seu potencial produtivo sob certas condições, verificar hipóteses, melhorar o conhecimento de processos, estimular a integração interdisciplinar, predizer o comportamento de um sistema ou ser utilizado como ferramenta de gestão para definição de estratégia a ser adotada(CORRÊA et al, 2011). Como vantagens, lhes são atribuídos o custo menos oneroso do que experimentos convencionais que, cada vez mais, possuem um elevado custo de instalação, manutenção e obtenção dos dados sem, no entanto ter a pretensão de substituí-los, a velocidade na obtenção de resultados, o uso em diferentes escalas e a criação de cenários alternativos(CORRÊA et al, 2011;SILVA, 2012) Banchi et al (2019). afirmam que a modelagem matemática de parâmetros de colheita melhoram a uso de ferramentas de gestão.…”