Fazenda vertical inteligente: desenvolvimento de um gêmeo digital para uma torre de cultivo

• Ano de defesa: 2025
• Autor(a) principal: Alves, Rafael Gomes
• Orientador(a): Gimenez, Salvador Pinillos
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Centro Universitário FEI, São Bernardo do Campo
• Palavras-chave em Português: Gêmeo digital; Internet das coisas; Inteligência artificial; Algoritmo genético; Fazenda vertical
• Link de acesso: https://repositorio.fei.edu.br/handle/FEI/5824; https://doi.org/10.31414/EE.2025.T.132183

O crescimento da população mundial, a escassez de áreas cultiváveis e a demanda por práticas agrícolas mais sustentáveis têm impulsionado o desenvolvimento de tecnologias aplicadas à produção de alimentos. Nesse contexto, fazendas verticais e sistemas de cultivo em ambiente controlado emergem como alternativas promissoras, embora enfrentem desafios como o elevado consumo energético e a necessidade de controle preciso das variáveis ambientais. Este trabalho propõe e valida uma abordagem inovadora baseada na integração de um Gêmeo Digital (GD), uma plataforma de Internet das Coisas (IoT) e um Algoritmo Genético (AG) para otimização dinâmica da iluminação artificial com LEDs RGB em uma torre de cultivo vertical. A primeira experimentação demonstrou a viabilidade do espelhamento digital da torre, com comunicação bidirecional eficiente entre sensores, atuadores e componentes da plataforma IoT, permitindo o monitoramento e controle em tempo real. A segunda experimentação validou o uso do AG para ajustar, ao longo de gerações, a composição espectral da luz, resultando em uma configuração ótima de aproximadamente 67% vermelho, 13% verde e 20% azul. Essa composição promoveu ganhos médios de 6% na massa fresca das plantas, além de aumentos marginais em altura (2,7%), largura (3,2%) e número de folhas (2,3%), em relação à iluminação branca fria, utilizada como referência. Os resultados indicam que a combinação entre GD, IoT e AG oferece um novo paradigma para o gerenciamento autônomo de sistemas agrícolas em ambiente controlado, com potencial de expansão para controle multiobjetivo, integração de novos espectros luminosos e monitoramento não invasivo por visão computacional. A abordagem proposta contribui para a construção de sistemas agrícolas mais eficientes, adaptativos e sustentáveis, alinhando-se às demandas contemporâneas por segurança alimentar e uso racional de recursos naturais