Um sistema baseado em machine learning para apoio à decisão no gerenciamento de produção apícola
Conteúdo do artigo principal
Resumo
O setor apícola tem ganhado grandes proporções nos últimos tempos em termos de produção e comercialização de produtos, como o mel e seus derivados. O Brasil, apesar de ter acompanhado esse crescimento e possuir boas características para o desenvolvimento da apicultura, ainda sofre com a limitação no uso de ferramentas tecnológicas, o que afeta diretamente os níveis de produção. Este artigo propõe o desenvolvimento de uma ferramenta tecnológica que auxilie o apicultor no gerenciamento eficiente da produção apícola e na tomada de decisão a partir de modelos preditivos baseados em Machine Learning (ML) e integrados a um sistema web. Para tanto, foram utilizados diferentes algoritmos de ML para predição de produção de mel, tais como a Regressão Linear Múltipla, Decision Tree, Random Forest, Multilayer Perceptron (MLP) e Support Vector Regression (SVR). Os modelos gerados foram avaliados com base no coeficiente de determinação (R2 ou Score) e o cálculo de erro das predições utilizando a Root Mean Squared Error (RMSE). Os resultados desta pesquisa contam com um sistema web em desenvolvimento e resultados dos experimentos realizados, que mostram uma melhor performance da técnica MLP com Score de 0.98 e RMSE de 711196 libras.
Downloads
Detalhes do artigo
Termo de cessão de Direitos Autorais
Referências
CARVALHO, ACPLF et al. Inteligência Artificial – uma abordagem de aprendizado de máquina. Rio de Janeiro: LTC, 2011.
EMBRAPA (2017). SUDAM - Superintendência do Desenvolvimento da Amazônia: Oficina debate Rota do Mel na Região Norte. Disponível em: <https://www.embrapa.br/busca-de-noticias/-/noticia/21352318/oficina-prepara-inclusao-da-amazonia-na-rota-do-mel>. Acessado em: 09-02-2021.
GRANDÓN, Natalia et al. Information system for improving local productivity and decision making in organic beekeeping. In: 2016 IEEE International Conference on Automatica (ICA-ACCA). IEEE, 2016. p. 1-7.
HALL, Mark Andrew. Correlation-based feature selection for machine learning. 1999.
IBGE (2018). Pesquisa da Pecuária Municipal. Disponível em: <https://sidra.ibge.gov.br/pesquisa/ppm/quadros/brasil/2018>. Acessado em: 05-03-2020.
JAIN, Raj. The art of computer systems performance analysis: techniques for experimental design, measurement, simulation, and modeling. John Wiley & Sons, 1990.
MARANHÃO, Patrícia Bastos de Andrade Albuquerque et al. Avaliação dos métodos de custeio na produção de mel: um estudo de caso no município de São João do Rio do Peixe. 2016.
VIDAL, Maria de Fátima. (2017). Desempenho da Apicultura Nordestina em Anos de Estiagem. Disponível em: <https://www.bnb.gov.br/documents/80223/2130269/apicultura_11_2017.pdf/>. Acessado em: 19-01-2019.