Desenvolvimento de um protótipo para classificação de perfis de pulverização utilizando processamento digital de sinais e redes neurais artificiais

Um dos grandes desafios da agricultura é o uso racional de agrotóxicos na prevenção e proteção das culturas contra doenças e pragas, a fim de evitar a aplicação demasiada de agentes químicos nas lavouras, evitando-se danos ao meio ambiente e a saúde humana. Atualmente, as técnicas utilizadas para avaliação da qualidade de pulverização se baseiam na análise do tamanho das gotas que são aplicadas através de etiquetas hidrossensíveis. Neste trabalho foi desenvolvida uma bancada de testes, que permite a simulação do funcionamento de pontas de pulverização, e um sistema de aquisição, condicionamento e análise de dados para realização de um estudo de sensoriamento laser aplicado na identificação de espectros de gotas. Além disso, foi proposto e avaliado um método de classificação baseado em Transformada Rápida de Fourier e Redes Neurais Artificiais. A metodologia utilizada para a avaliação da técnica proposta consiste na aquisição e análise de um sinal de luz proveniente de um raio laser interceptado por um spray de água criado pela ponta, e classificação do padrão com base nas amplitudes do espectro de frequências, obtidos a partir da Transformada Discreta de Fourier do sinal. Para a classificação, foi utilizada uma RNA do tipo Perceptron de Múltiplas Camadas a fim de identificar dois diferentes padrões de pulverização, classificando os espectros de gotas em duas classes, névoa ou jato. Foi feita a validação cruzada e a técnica proposta apresentou 91\% de acurácia. Assim, foi possível concluir que através do método proposto é possível identificar diferentes espectros de gotas.