DISPOSITIVOS E ANALISADOR VIRTUAL PARA MONITORAMENTO DA PRODUTIVIDADE AGRÍCOLA EM TEMPO REAL NA INDÚSTRIA SUCROALCOOLEIRA.
cana-de-açúcar, dendrômetro, NDT, medidor de oBrix, dendrômetro, avaliação da qualidade, Internet das coisas (IoT), RNA.
O Brasil é o maior produtor mundial de cana-de-açúcar respondendo por quase 41% da produção mundial, seguido por Índia (17%) e China (6%). A qualidade da cana de açúcar é um importante fator nos processos industriais que envolvem a produção de açúcar e álcool.
Os dispositivos não destrutivos para monitoramento da qualidade compreendem os métodos espectroscópicos MIR (espectroscopia de infravermelho médio), NIR (espectroscopia no infravermelho próximo) e os dendrômetros eletrônicos. Estes dispositivos apresentam os melhores resultados na predição de variáveis relacionadas à qualidade da cana-de-açúcar, quais sejam, o °Brix, %Pol, fibra e o diâmetro das plantas sendo, porém, de alto custo o que inviabiliza a aplicação em tempo real. Este trabalho apresenta o desenvolvimento de dois dispositivos eletrônicos não destrutivos e um modelo computacional para a medição e monitoramento da taxa de crescimento da cana-de-açúcar e do seu teor de açúcar. Em relação ao crescimento da cana, as medições do diâmetro do caule obtidas pelo dispositivo tiveram um erro médio de ±3 mm (aproximadamente 10% em um diâmetro médio de 30 mm) tomando-se como referência o valor obtido através de um paquímetro padrão. O medidor do teor de sacarose para cana-de-açúcar desenvolvido (UltraBrix) emprega a técnica de onda contínua, tendo apresentado desvio padrão de 0,34 e um coeficiente de determinação (R2) de 0,97 tomando-se como referência valores medidos por um refratômetro. O custo do UltraBrix é cerca de 2800 vezes inferior ao custo dos dispositivos convencionais (NIR e MIR) de medição representando uma potencial alternativa para a universalização do monitoramento em tempo real do oBrix, principalmente na região Nordeste do Brasil. O modelo empírico baseado em Redes Neurais Artificiais (RNA) forneceu predições satisfatórias para seis cultivares de cana (C0997, RB92579, RB93509, RB845210, RB867515, RB951541, SP791011 e SP813250) com um erro
médio de 2,60, 3,99, 3,42, 2,95, 3,41 e 3,37, respectivamente, em relação ao ATR (Açúcar Total Recuperável, ton/ha). O modelo neural é, portanto, capaz de monitorar, a partir de outras variáveis (acumulado da radiação solar, acumulado da precipitação de chuva, folha e quantidade de dias do plantio), a evolução do ATR da cana ao longo da safra e identificar o instante adequado para a realização da colheita viabilizando um aumento estimado em cerca de 20% na produção de sacarose.