Exportação concluída — 

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

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Alves, Rafael Gomes
Orientador(a): Gimenez, Salvador Pinillos
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Centro Universitário FEI, São Bernardo do Campo
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
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
Resumo: 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
id FEI_f7a71bbfc7fed2cce1fb866e2381957f
oai_identifier_str oai:repositorio.fei.edu.br:FEI/5824
network_acronym_str FEI
network_name_str Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI)
repository_id_str
spelling Alves, Rafael GomesGimenez, Salvador Pinillos2025-09-09T19:44:06Z2025ALVES, Rafael Gomes. <b> Fazenda vertical inteligente: </b> desenvolvimento de um gêmeo digital para uma torre de cultivo. São Bernardo do Campo, 2025. 138 f. Tese (Doutorado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2025. Disponível em: https://doi.org/10.31414/EE.2025.T.132183.https://repositorio.fei.edu.br/handle/FEI/5824https://doi.org/10.31414/EE.2025.T.132183O 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 naturaisGlobal population growth, scarcity of arable land, and demand for more sustainable agricultural practices have driven the development of technologies applied to food production. In this context, vertical farms and controlled environment cultivation systems emerge as promising alternatives, although they face challenges such as high energy consumption and the need for precise control of environmental variables. This work proposes and validates an innovative approach based on the integration of a Digital Twin (DT), an Internet of Things (IoT) platform, and a Genetic Algorithm (GA) for dynamic optimization of artificial lighting with RGB LEDs in a vertical cultivation tower. The first experiment demonstrated the feasibility of digital mirroring of the tower, with efficient bidirectional communication between sensors, actuators, and IoT platform components, allowing real-time monitoring and control. The second experiment validated the use of the GA to adjust, over generations, the spectral composition of the light, resulting in an optimal configuration of approximately 67% red, 13% green, and 20% blue. This composition promoted average gains of 6% in the fresh mass of the plants, in addition to increases in height (2.7%), width (3.2%) and number of leaves (2.3%), in relation to the cold white lighting, used as a reference. The results indicate that the combination of DT, IoT, and GA offers a new paradigm for the autonomous management of agricultural systems in a controlled environment, with potential for expansion to multi-objective control, integration of new light spectra, and non-invasive monitoring by computer vision. The proposed approach contributes to the construction of more efficient, adaptive, and sustainable agricultural systems, aligning with contemporary demands for food security and rational use of natural resourcesCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESporpt_BRCentro Universitário FEI, São Bernardo do CampoGêmeo digitalInternet das coisasInteligência artificialAlgoritmo genéticoFazenda verticalFazenda vertical inteligente: desenvolvimento de um gêmeo digital para uma torre de cultivoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI)instname:Centro Universitário da Fundação Educacional Inaciana (FEI)instacron:FEIinfo:eu-repo/semantics/openAccessORIGINALfulltext.pdfapplication/pdf9693000https://repositorio.fei.edu.br/bitstreams/196f78c1-6d91-4105-a7be-06bb7a10dbee/downloadc64275e5b44798e38244c70718a7982bMD51trueAnonymousREADTEXTfulltext.pdf.txtfulltext.pdf.txtExtracted texttext/plain103192https://repositorio.fei.edu.br/bitstreams/888f90fe-27ec-4096-a749-ff8946e1bb44/downloadbc99ce1ca16a645d8b78bd079d00d98bMD52falseAnonymousREADTHUMBNAILfulltext.pdf.jpgfulltext.pdf.jpgGenerated Thumbnailimage/jpeg2377https://repositorio.fei.edu.br/bitstreams/249dd5f4-eb25-45fc-8e1e-2e2e3ed049e7/download932d9d967a1474f1403d96f9a7c94b8eMD53falseAnonymousREADFEI/58242025-11-14 00:38:04.443open.accessoai:repositorio.fei.edu.br:FEI/5824https://repositorio.fei.edu.brBiblioteca Digital de Teses e Dissertaçõeshttp://sofia.fei.edu.br/pergamum/biblioteca/PRIhttps://repositorio-api.fei.edu.br/server/oai/requestcfernandes@fei.edu.bropendoar:2025-11-14T00:38:04Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI) - Centro Universitário da Fundação Educacional Inaciana (FEI)false
dc.title.pt_BR.fl_str_mv Fazenda vertical inteligente: desenvolvimento de um gêmeo digital para uma torre de cultivo
title Fazenda vertical inteligente: desenvolvimento de um gêmeo digital para uma torre de cultivo
spellingShingle Fazenda vertical inteligente: desenvolvimento de um gêmeo digital para uma torre de cultivo
Alves, Rafael Gomes
Gêmeo digital
Internet das coisas
Inteligência artificial
Algoritmo genético
Fazenda vertical
title_short Fazenda vertical inteligente: desenvolvimento de um gêmeo digital para uma torre de cultivo
title_full Fazenda vertical inteligente: desenvolvimento de um gêmeo digital para uma torre de cultivo
title_fullStr Fazenda vertical inteligente: desenvolvimento de um gêmeo digital para uma torre de cultivo
title_full_unstemmed Fazenda vertical inteligente: desenvolvimento de um gêmeo digital para uma torre de cultivo
title_sort Fazenda vertical inteligente: desenvolvimento de um gêmeo digital para uma torre de cultivo
author Alves, Rafael Gomes
author_facet Alves, Rafael Gomes
author_role author
dc.contributor.author.fl_str_mv Alves, Rafael Gomes
dc.contributor.advisor1.fl_str_mv Gimenez, Salvador Pinillos
contributor_str_mv Gimenez, Salvador Pinillos
dc.subject.por.fl_str_mv Gêmeo digital
Internet das coisas
Inteligência artificial
Algoritmo genético
Fazenda vertical
topic Gêmeo digital
Internet das coisas
Inteligência artificial
Algoritmo genético
Fazenda vertical
description 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
publishDate 2025
dc.date.accessioned.fl_str_mv 2025-09-09T19:44:06Z
dc.date.issued.fl_str_mv 2025
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv ALVES, Rafael Gomes. <b> Fazenda vertical inteligente: </b> desenvolvimento de um gêmeo digital para uma torre de cultivo. São Bernardo do Campo, 2025. 138 f. Tese (Doutorado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2025. Disponível em: https://doi.org/10.31414/EE.2025.T.132183.
dc.identifier.uri.fl_str_mv https://repositorio.fei.edu.br/handle/FEI/5824
dc.identifier.doi.none.fl_str_mv https://doi.org/10.31414/EE.2025.T.132183
identifier_str_mv ALVES, Rafael Gomes. <b> Fazenda vertical inteligente: </b> desenvolvimento de um gêmeo digital para uma torre de cultivo. São Bernardo do Campo, 2025. 138 f. Tese (Doutorado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2025. Disponível em: https://doi.org/10.31414/EE.2025.T.132183.
url https://repositorio.fei.edu.br/handle/FEI/5824
https://doi.org/10.31414/EE.2025.T.132183
dc.language.iso.fl_str_mv por
pt_BR
language por
language_invalid_str_mv pt_BR
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Centro Universitário FEI, São Bernardo do Campo
publisher.none.fl_str_mv Centro Universitário FEI, São Bernardo do Campo
dc.source.none.fl_str_mv reponame:Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI)
instname:Centro Universitário da Fundação Educacional Inaciana (FEI)
instacron:FEI
instname_str Centro Universitário da Fundação Educacional Inaciana (FEI)
instacron_str FEI
institution FEI
reponame_str Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI)
collection Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI)
bitstream.url.fl_str_mv https://repositorio.fei.edu.br/bitstreams/196f78c1-6d91-4105-a7be-06bb7a10dbee/download
https://repositorio.fei.edu.br/bitstreams/888f90fe-27ec-4096-a749-ff8946e1bb44/download
https://repositorio.fei.edu.br/bitstreams/249dd5f4-eb25-45fc-8e1e-2e2e3ed049e7/download
bitstream.checksum.fl_str_mv c64275e5b44798e38244c70718a7982b
bc99ce1ca16a645d8b78bd079d00d98b
932d9d967a1474f1403d96f9a7c94b8e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI) - Centro Universitário da Fundação Educacional Inaciana (FEI)
repository.mail.fl_str_mv cfernandes@fei.edu.br
_version_ 1862545938561630208

Registros relacionados