Sistema de Agricultura de Precisão para o Manejo Sustentável de Recursos Hídricos baseado na Fusão de Dados de Sensores IoT e Imagens de Satélite
Trabalho de Conclusão de Curso apresentado ao Instituto de Ciência e Tecnologia da Universidade Federal de São Paulo (UNIFESP) como requisito parcial para obtenção do título de Bacharel em Engenharia de Computação.
Fernando Daniel Marcelino
Bacharelado em Engenharia de Computação
Universidade Federal de São Paulo - UNIFESP
Instituto de Ciência e Tecnologia
São José dos Campos, SP
Orientadora: Profa. Dra. Fernanda Quelho Rossi
Este projeto propõe o desenvolvimento de um sistema de agricultura de precisão focado no manejo hídrico sustentável, baseado na fusão de dados provenientes de sensores IoT instalados em campo e de imagens de satélite. O objetivo é gerar mapas de recomendação de irrigação mais precisos e eficientes, contribuindo para:
- ODS 2: Fome Zero e Agricultura Sustentável
- ODS 6: Água Potável e Saneamento
- ODS 12: Consumo e Produção Responsáveis
- Revisar a literatura sobre IoT, sensoriamento remoto e técnicas de fusão de dados aplicadas à agricultura de precisão
- Definir a arquitetura do sistema de coleta e armazenamento de dados
- Estabelecer metodologia para aquisição e processamento de imagens de satélite
- Desenvolver modelo de machine learning para fusão de dados
- Implementar protótipo do sistema com dashboard de recomendação
- Analisar a eficácia na redução do desperdício de água
TCC-UNIFESP/
├── docs/ # Documentação completa
│ ├── written/ # Monografia em LaTeX
│ └── presentations/ # Apresentações Beamer
│ ├── defesa/ # Apresentação de defesa
│ ├── qualificacao/ # Apresentação de qualificação
│ └── seminarios/ # Outras apresentações
│
├── data/ # Dados do projeto (não versionados)
│ ├── raw/ # Dados brutos
│ ├── interim/ # Dados intermediários
│ ├── processed/ # Dados processados
│ └── external/ # Dados externos (shapefiles, etc.)
│
├── models/ # Modelos treinados (não versionados)
│ ├── checkpoints/ # Checkpoints de treinamento
│ └── final/ # Modelos finais
│
├── notebooks/ # Jupyter notebooks para análise
│
├── results/ # Resultados e produtos
│ ├── figures/ # Figuras para monografia
│ ├── maps/ # Mapas temáticos
│ ├── reports/ # Relatórios gerados
│ └── metrics/ # Métricas de desempenho
│
├── hardware/ # Documentação de hardware IoT
│ ├── schematics/ # Esquemas elétricos
│ ├── firmware/ # Código para ESP32
│ └── datasheets/ # Datasheets dos componentes
│
├── config/ # Arquivos de configuração
├── scripts/ # Scripts auxiliares
├── tests/ # Testes unitários
│
├── .gitignore
├── requirements.txt # Dependências Python
└── README.md # Este arquivo
Cada diretório principal contém um README.md com documentação detalhada.
- Python: 3.9 ou superior
- LaTeX: TeX Live (Linux), MiKTeX (Windows) ou MacTeX (macOS)
- Git: para controle de versão
- Conda ou venv: para ambiente virtual Python
-
Clone o repositório:
git clone https://github.com/fernando-daniel98/TCC-UNIFESP.git cd TCC-UNIFESP -
Crie e ative um ambiente virtual:
# Com conda conda create -n tcc-unifesp python=3.9 conda activate tcc-unifesp # Ou com venv python -m venv venv source venv/bin/activate # Linux/macOS .\venv\Scripts\Activate # Windows
-
Instale as dependências Python:
pip install -r requirements.txt
-
Configure as credenciais (se necessário):
cp config/credentials.env.example config/credentials.env # Editar credentials.env com suas chaves
cd docs/written
pdflatex monografia_EC.tex
bibtex monografia_EC
pdflatex monografia_EC.tex
pdflatex monografia_EC.texOu com latexmk:
latexmk -pdf monografia_EC.texjupyter notebook notebooks/01_exploratory_data_analysis.ipynbpython scripts/download_satellite_data.py \
--start-date 2025-01-01 \
--end-date 2025-12-31 \
--cloud-cover 20python scripts/train_model.py \
--model random_forest \
--features data/processed/features.csv \
--target umidade_solopython scripts/generate_irrigation_map.py \
--model models/final/rf_v1.0.pkl \
--features data/processed/features_20251208.tif \
--output results/maps/pytest tests/- Estruturação do repositório
- Fundamentação teórica
- Coleta de dados IoT (Caminho B)
- Processamento de imagens de satélite
- Fusão de dados
- Treinamento de modelos
- Validação
- Dashboard de recomendação
- Escrita da monografia
- Preparação da defesa
Este é um projeto acadêmico individual. Sugestões e feedback são bem-vindos através de issues.
Este projeto é desenvolvido para fins acadêmicos como parte do Trabalho de Conclusão de Curso.
Fernando Daniel Marcelino
LinkedIn: fernando-daniel
GitHub: @fernando-daniel98
Orientadora
Profa. Dra. Fernanda Quelho Rossi
UNIFESP - Instituto de Ciência e Tecnologia
- Profa. Dra. Fernanda Quelho Rossi pela orientação
- UNIFESP - Instituto de Ciência e Tecnologia
Se você utilizar este trabalho, por favor cite:
@mastersthesis{marcelino2025tcc,
author = {Fernando Daniel Marcelino},
title = {Sistema de Agricultura de Precisão para o Manejo Sustentável
de Recursos Hídricos baseado na Fusão de Dados de Sensores
IoT e Imagens de Satélite},
school = {Universidade Federal de São Paulo},
year = {2025},
address = {São José dos Campos, SP},
type = {Trabalho de Conclusão de Curso}
}Última atualização: Dezembro de 2025