Los puntos clave no están disponibles para este artículo en este momento.
La adopción de herramientas de inteligencia artificial puede mejorar la eficiencia de producción en la agroindustria. Nuestro objetivo fue realizar el modelado predictivo del rendimiento y la calidad de las zanahorias. El cultivo se cultivó en dos áreas comerciales durante la temporada de verano en Brasil. Se tomaron muestras de raíces en 200 puntos con una cuadrícula de muestreo de 30 × 30 m a los 82 y 116 días después de la siembra en ambas áreas. La biomasa fresca total, la parte aérea y la biometría de raíz se cuantificaron para la cosecha del cultivo anterior para medir el rendimiento. La calidad de las raíces se evaluó mediante la submuestra de tres zanahorias según la concentración de sólidos solubles totales (°Brix) y la firmeza en el laboratorio. Se extrajeron índices de vegetación de imágenes satelitales. Las variables más importantes para los modelos predictivos se seleccionaron mediante análisis de componentes principales y se sometieron a los algoritmos de Red Neuronal Artificial (ANN), Bosque Aleatorio (RF) y Regresión Lineal Múltiple (MLR). Los índices SAVI y NDVI se destacaron como predictores del rendimiento del cultivo, y los resultados de la ANN (R2 = 0.68) fueron superiores a los modelos de RF (R2 = 0.67) y MLR (R2 = 0.61). La calidad de la zanahoria no se puede modelar con los modelos predictivos en este estudio; sin embargo, debería explorarse en investigaciones futuras, incluyendo otras variables de cultivo.
Silva et al. (Fri,) estudiaron esta cuestión.