MACHINE LEARNING NA PREVISÃO DE RENDIMENTO DA CULTURA DE CAFÉ NO SUL DE MINAS GERAIS
um estudo comparativo
Palavras-chave:
Inteligência Artificial, Regressão Linear, Agricultura 4.0Resumo
Este estudo investigou a aplicação de algoritmos de aprendizado de máquina na previsão do rendimento da cultura cafeeira no Sul de Minas Gerais, região de destaque na produção nacional. Foram utilizados dados históricos de produtividade e variáveis meteorológicas para treinar modelos supervisionados de regressão. A avaliação do desempenho dos modelos, com base nas métricas R², MAE e RMSE, indicou baixo poder preditivo em todos os casos, com o modelo de Deep Learning apresentando o melhor resultado (R² = 0,27, MAE = 365,31 sacas/ha e RMSE = 501,48 sacas/ha). Os resultados sugerem que as variáveis climáticas utilizadas, embora relevantes, não são suficientes para explicar a complexa variabilidade da produção, reforçando a necessidade de incorporar atributos agronômicos, edáficos e fitossanitários em estudos futuros para aprimorar a acurácia das previsões.
