Universidade de São Paulo; Universidade Federal de Pelotas; Universidade Federal de São Carlos; Universidade de São Paulo; Universidade de São Paulo; PAULO ESTEVAO CRUVINEL, CNPDIA.2026-07-07http://hdl.handle.net/123456789/462992Dentre as diferentes etapas envolvidas nos processos produtivos agrícolas, a pulverização agrícola utilizada para o controle fitossanitário abrange grande parte do custo total de produção e sua incorreta execucão pode aumentar os riscos humanos e biológicos. Assim pesquisas são necessárias para garantir o uso adequado de defensivos agrícolas, assegurando a qualidade da aplicação. Dentre os indicadores de qualidade, fornecidos pelo espectro de gotas, o diâmetro médio volumétrico (DMV) é um dos mais utilizados. Porém, sua análise é baseada em testes pós aplicação, consequentemente impedindo a atuação no momento da pulverização do agrotóxico. Esta pesquisa tem como objetivo a implementação de uma arquitetura de rede neural artificial (RNA) em um pulverizador agrícola com tecnologia de injeção direta, de modo a efetuar a classificação do tamanho de gotas em tempo real baseadas em medições de vazão, pressão e resistência fluídica provenientes dos instrumentos no pulverizador e históricos de caracteríısticas operacionais do maquinário. Assim, treinamentos e testes são realizados com base em resultados experimentais e tabelas provenientes de manuais técnicos dos fabricantes dos bicos. Resultados obtidos permitem caracterizar que a metodologia usada propiciam estimativas adequadas do tamanho de gotas, aumentando a qualidade de aplicação.openAccessDiâmetro médio volumétricoRedes neurais artificiaisSistemas inteligentesPulverização agrícolaArtigo em anais e proceedings