Aprendizado de máquina aplicado à simulação do processo de aeração de soja

Resumen

A aeração de grãos desempenha um papel fundamental na preservação da qualidade dos grãos na indústria agrícola e de alimentos. Considerando a demanda constante de importação e exportação de commodities agrícolas ao longo do ano, a preservação da qualidade dos grãos é vital para atender a essas necessidades. Assim, torna-se necessário buscar simulações matemáticas e computacionais precisas do processo de aeração de grãos, visando um manejo econômico e seguro dos grãos armazenados. Nesse sentido, sabe-se que existem vários modelos matemáticos capazes de fazer a simulação da aeração dos grãos. Segundo estudos, a implementação de um modelo matemático eficiente no gerenciamento da aeração é datada da década de 1970, onde se estudava modelagem do fenômeno de transferência de calor e massa no domínio de grãos armazenados. No ano de 2001, foi apresentado um modelo que é baseado nas equações de balanço de massa e energia. Posteriormente, o modelo Thorpe ganhou discussão na literatura, por demonstrar resultados satisfatórios quando comparado a dados experimentais, sendo considerado acurado. Entretanto, para a realização das suas simulações são necessários muitos recursos computacionais, o que dificulta a sua aplicação embarcada em sistemas de controle de aeração. Nesse contexto, o objetivo principal deste trabalho é propor um modelo de Inteligência Artificial (IA) com aprendizado de máquina baseado em Redes Neurais Artificiais (RNAs), que seja capaz de aprender o comportamento das simulações do modelo Thorpe para simulação do processo de aeração de soja.