SHERLOCK:
| dc.contributor.advisor | Guilherme Alberto Wachs Lopes | |
| dc.contributor.advisorLattes | http://lattes.cnpq.br/4456728413230670 | |
| dc.contributor.author | KAIKE RODRIGUES ZUANETTI | |
| dc.date.accessioned | 2024-08-16T12:55:39Z | |
| dc.date.available | 2024-08-16T12:55:39Z | |
| dc.date.issued | 2022-12-06 | |
| dc.description.abstract | A agricultura de precisão tem recebido muita atenção por parte dos empresários nos últimos anos. Isso deve-se principalmente pela redução de custos e automação de tarefas frequentes, como a irrigação. A base de toda essa tecnologia está na qualidade de obtenção das informações do solo, como a leitura de sensores nos campos de cultura. Entretanto, estes valores nem sempre são confiáveis. O sensor em diversas situações pode apresentar anomalias em suas leituras, podendo até impossibilitar automações e análises de negócios. Este trabalho propõe um modelo de detecção de anomalias em sensores baseado em modelos de machine learning de classificação e otimização para que possibilite a diferenciação dos dados a serem classificados como anomalias ou não. O modelo proposto agrega parâmetros para ajustes finos de forma a aumentar a precisão da classificação. Nesse trabalho também são estudados a influência entre as próprias características dos dados para a classificação. | pt_BR |
| dc.format.extent | 48 | |
| dc.identifier.uri | https://repositorio.fei.edu.br/handle/FEI/5506 | |
| dc.language.iso | pt_BR | |
| dc.rights | Restrito | |
| dc.title | SHERLOCK: | |
| dc.title.alternative | UM MODELO COMPUTACIONAL PARA ANÁLISE DE ANOMALIAS EM SENSORES APLICADOS À AGRICULTURA | |
| dc.type | Trabalho de Conclusão de Curso | |
| fei.date.entrega | 2022 |