Portal de Periódicos da CAPES

Artigo Produção Nacional

BIBTEX RIS

Estudo e definição de uma arquitetura de computação em Névoa para Smart farms

2019; Linguagem: Português

10.32640/tasj.2019.1.34

2595-1521

M. Capeletto Abdala, A. M. Massao Hachisuca,

Smart Agriculture and AI

A agricultura moderna exige o aumento da produção de alimentos para suprir as demandas do crescimento da população mundial. Para este objetivo, novas tecnologias e soluções estão sendo aplicadas neste domínio, através da coleta e processamento de informações para aumentar significativamente a produtividade. Nos últimos anos, a evolução tecnológica, permitiu a produção de componentes eletrônicos como sensores e microcontroladores a um custo acessível, permitindo que novos conceitos fossem criados, dentre eles destaca-se a Internet das Coisas (Internet of Things – IoT). Através do uso de diversos sensores distribuídos pela propriedade é possível monitorar diferentes variáveis como solo, clima e a própria cultura, porém, o monitoramento remoto das lavouras é um grande desafio tecnológico, pois existe a necessidade de transmitir, armazenar e processar grandes volumes de dados gerados pela rede de sensores, assim como possuir viabilidade econômica para a sua utilização em larga escala e em pequenas propriedades. Para auxiliar no tratamento desse grande volume de dados no local da aplicação é necessário adicionar uma camada de poder computacional entre os dispositivos IoT e a nuvem. Nesse sentido surge um novo conceito chamado computação em névoa, este trata de realizar análise, armazenamento e processamento dos dados na borda da rede. Neste contexto surge o projeto SmartFarm, que se baseia no desenvolvimento de solução de hardware e software para a construção de uma rede de sensores agrícolas (AioT). Essa arquitetura possibilita ao produtor e/ou pesquisadores acompanhar os diversos estádios da planta remotamente e em tempo real auxiliando-os na tomada de decisão. Dessa forma para o desenvolvimento de uma plataforma de comunicação, armazenamento e pré-processamento de dados, foi utilizado um Raspberry Pi 3 modelo B atuando como névoa, protocolo de comunicação MQTT e uma API desenvolvida em Node.js para o fornecimento das informações para o usuário.