Navegando por Autor "Zanella, Marco Antonio"

Agora exibindo 1 - 3 de 3

Effects of displacement speed and rod vibration frequency on the efficiency of mechanized coffee harvesting
(Editora UFLA, 2025-03-07) Amâncio, Márcia Eduarda; Volpato, Carlos Eduardo Silva; Abreu, Amara Lana de; Correia, Kirsthenn Luciano Ranulfo; Barbosa, Ronald Leite; Dadalto, Juliana Pinheiro; Zanella, Marco Antonio
Mechanized harvesting of coffee plantations in Minas Gerais has grown rapidly due to its benefits, including increased productivity and reduced labor costs. However, these benefits can only be realized if the harvesting process is properly adjusted to align with the capabilities of the harvesting machine and the specific conditions of the crop field. This study aimed to evaluate the effects of harvester displacement speed and rod vibration frequency on harvesting efficiency and coffee fruit yield. A 3 × 3 factorial design was employed, testing three displacement speeds (600, 800, and 1000 m·h⁻¹) and three vibration frequencies (15, 16.7, and 18.3 Hz). Parameters of the crop were assessed prior to the mechanized harvesting process, including the load of hanging fruits, fruit ripeness, and fallen fruits on the ground. Immediately after the harvest, the following parameters were evaluated: (i) harvesting efficiency, (ii) volume of harvested coffee fruits, and (iii) volume of fallen coffee fruits during mechanized harvesting process. Each treatment combination was tested on 12 plots, and data were analyzed using ANOVA followed by Tukey’s test for pairwise comparisons. Results showed that vibration frequency significantly affected both harvested volume and fruit loss, with notable differences between frequencies. The highest harvesting efficiency was achieved at a displacement speed of 1000 m·h⁻¹, while 600 m·h⁻¹ provided greater consistency across frequencies. These findings highlight the critical role of optimizing speed and vibration parameters to enhance mechanized harvesting efficiency and minimize fruit losses, offering valuable insights for improving coffee production practices globally.
Spatial correlation between the chlorophyll index and foliar npk levels in coffee crop
(Editora UFLA, 2020) Zanella, Marco Antonio; Rodrigues Junior, Francelino Augusto; Sousa, Emanoel Di Tarso dos Santos; Martins, Rodrigo Nogueira; Calijuri, Maria Lúcia
Detection of spatial variability of data that can improve crop management is a key factor for precision agriculture. In agriculture, there is a need for tools to assist farmers in decision-making about proper nutrient management, aiming to achieve their full productive potential. Based on that, this study aimed to (1) determine the spatial correlations between the chlorophyll index (CI) and the foliar levels of nitrogen, phosphorus and potassium (NPK) in the coffee crop using geostatistical tools; and (2) to evaluate the potential use of this index as a tool for site-specific nutrient management in an irrigated coffee field. For that, a study was carried out in a 2.1 ha area under arabica coffee cultivation in Paula Cândido, Minas Gerais State, Brazil. Samplings of the CI were performed in 1141 plants using a portable chlorophyll meter (SPAD-502). Regarding the NPK analysis, leaf samples from one of each 10 plants used to measure the CI were taken for chemical analysis (114 plants). Then, the data were submitted to descriptive and geostatistical analysis. For the spatial correlation analysis, the Moran Bivariate Global (I) and the Local index (Ixy) were used. The results showed a moderate correlation between the CI and N (0.500), showing the potential of the chlorophyll meter as a tool for site-specific nitrogen management in the coffee crop. Differently, the CI is not recommended for P and K management since they were not well correlated. Lastly, as a tool that performs indirect measurements, the results from the chlorophyll meter should be validated by field measurements to local calibrations.
Visão computacional para classificar a maturação dos frutos de café no processo de colheita mecanizada
(Universidade Federal de Lavras, 2023-04-28) Zanella, Marco Antonio; Silva, Fábio Moreira da
O café é um dos produtos agrícolas mais comercializados e consumidos no mundo, fundamental para o desenvolvimento socioeconômico do Brasil. A colheita do café é um processo essencial na cadeia produtiva e, corresponde por aproximadamente metade dos custos totais de produção. Nesse sentido, esta pesquisa teve como objetivo classificar frutos de café quanto ao grau de maturação durante o processo de colheita mecanizada utilizando técnicas de visão computacional. Vídeos dos frutos de café colhidos foram obtidos durante o processo de colheita mecanizada na safra de 2022. A coleta de dados ocorreu sobre a espécie arábica, variedade Bourbon Amarelo, cultivada na Fazenda Cafua no município de Ijaci, localizada na região Sul de Minas Gerais. Para a coleta de imagens, foi desenvolvido um dispositivo instalado sobre a esteira transversal da colhedora, com acoplamento de uma câmera em um suporte para reduzir os efeitos da vibração da colhedora de café e com um sistema iluminação por led para a iluminação dos frutos durante a obtenção dos vídeos. Para o processamento das imagens coletadas foram realizadas duas abordagens, (i) com o desenvolvimento de um algoritmo utilizando técnicas de visão computacional e (ii) utilizando um algoritmo de detecção de objetos de última geração o YOLOv7. O algoritmo de visão computacional foi capaz de detectar e classificar frutos de café de acordo com os seguintes graus de maturação: não maduro e maduro. A precisão média para as classes de maturação do café não maduro e maduro foi de 72% e 70%. Com algoritmo não foi possível classificar os frutos da classe demasiado maduro. O algoritmo de detecção de objetos denominado YOLOv7 foi implementado para a detecção e classificação dos frutos de café em três classes: não maduro, maduro e demasiado maduro. A rede YOLOv7 apresentou capacidade superior com valores de F1-score de 90%, 95% e 75% para as classes não maduro, maduro e demasiado maduro, respectivamente. Com a classificação da maturação dos frutos de café colhidos é possível obter um índice de maturação dos frutos durante o processo de colheita mecanizada. Além disso, os resultados desse estudo podem contribuir para o desenvolvimento de sistema embarcado para ser utilizado na coleta de dados durante a colheita mecanizada do café.