Aprendizado de máquina na agricultura indoor: um mapeamento sistemático e taxonomia

Autores

  • Bruno Guilherme Martini Universidade do Vale do Rio dos Sinos (UNISINOS)
  • Jorge Luis Victória Barbosa Unisinos - Universidade do Vale do Rio dos Sinos

DOI:

https://doi.org/10.5335/rbca.v16i3.15863

Palavras-chave:

Agricultura Indoor, Aprendizado de máquina, Fazenda Indoor, Inteligência Artificial

Resumo

O presente artigo descreve um mapeamento sistemático dos trabalhos relacionados à aplicação de Aprendizado de Máquina na Agricultura Indoor. Esta pesquisa abrange buscas realizadas até março de 2024 nas bases IEEE Xplore, ACM
Digital Library, Springer Library, Science Direct, Scopus, MDPI,Wiley e Taylor & Francis. A busca inicial resultou em
10.149 artigos, dos quais foram selecionados 76 estudos para leitura completa após a aplicação dos critérios de inclusão e exclusão. Essa análise resultou na seleção de 36 artigos que foram estudados como intuito de responder às 9 questões de
pesquisa juntamente comuma proposta de taxonomia. Os principais resultados revelam que os artigos selecionados empregaram 43 técnicas diferentes de aprendizado de máquina. Além disso, constatou-se que nenhum estudo foi publicado antes do ano de 2018. Foram identificadas 26 informações distintas coletadas dos cultivos, observou-se o cultivo de 17 culturas diferentes e o emprego de 4 dispositivos para coleta das informações, entre outras informações
relevantes. A análise dos artigos evidenciou uma clara tendência no uso de Aprendizado de Máquina na Agricultura Indoor.

Downloads

Os dados de download ainda não estão disponíveis.

Downloads

Publicado

03-12-2024

Edição

Seção

Artigo Original

Como Citar

[1]
2024. Aprendizado de máquina na agricultura indoor: um mapeamento sistemático e taxonomia. Revista Brasileira de Computação Aplicada. 16, 3 (dez. 2024), 10–24. DOI:https://doi.org/10.5335/rbca.v16i3.15863.