Enhancing Strawberry Yield Forecasting with Backcasted IoT Sensor Data and Machine Learning

Resumo Técnico: Aprimorando a Previsão de Rendimento de Morangos com Dados de Sensores IoT por Retroprojeção (Backcasting)

Declaração do Problema
O artigo aborda um gargalo crítico na agricultura digital: a escassez de dados históricos de sensores necessários para treinar modelos eficazes de previsão de rendimento de culturas baseados em IA. Embora as tecnologias de Internet das Coisas (IoT) ofereçam o monitoramento em tempo real de parâmetros ambientais (ex: temperatura, umidade, umidade do solo), a implementação desses sensores ao longo de múltiplas temporadas de cultivo é frequentemente proibitiva em termos de custo e logisticamente difícil, particularmente em ambientes agrícolas dinâmicos. Consequentemente, muitas fazendas possuem registros históricos de rendimento, mas carecem dos dados granulares de sensores correspondentes, o que limita a capacidade de treinar modelos de aprendizado de máquina (ML) robustos que possam apoiar a tomada de decisão informada, como a otimização da mão de obra durante a colheita.

Metodologia
O estudo foi conduzido em um cenário real de produção de morangos na Escócia, Reino Unido, utilizando dois tipos de túneis plásticos (aquecidos "Seaton" e não aquecidos "Multispan"). Os autores implementaram sensores IoT para coletar dados ambientais ao longo de duas temporadas de cultivo (2023–2024), enquanto também coletavam dados históricos de rendimento abrangendo quatro temporadas (2021–2024).

Para preencher a lacuna de dados das duas temporadas (2021–2022) que careciam de cobertura de sensores, os autores desenvolveram uma abordagem de retroprojeção (backcasting) em vez da previsão tradicional.

1. Mecanismo de Retroprojeção: Em vez de prever estados futuros a partir de dados passados, o modelo utiliza dados meteorológicos externos arquivados (do UK Met Office) para reconstruir observações passadas de sensores ausentes. Especificamente, para um tempo alvo $t$, o modelo utiliza uma janela de visualização futura de covariáveis climáticas externas ($t+1$ a $t+k$) para prever o valor do sensor interno do túnel em $t$.
2. Síntese de Dados: Os modelos de retroprojeção foram treinados nas temporadas implantadas de 2023–2024 para aprender a relação entre o clima externo e as condições internas do túnel. Esses modelos foram então aplicados aos dados históricos do Met Office de 2021–2022 para gerar dados sintéticos de sensores.
3. Seleção de Modelos: Reconhecendo que modelos de aprendizado profundo (ex: LSTMs, Transformers) exigem grandes conjuntos de dados não disponíveis em configurações de fazenda única, os autores empregaram métodos de florestas de árvores de conjunto (ensemble tree-based): Random Forest (RF), Gradient Boosting Decision Tree (GBDT) e Extreme Gradient Boosting (XGBoost).
4. Pipeline de Previsão: Os modelos finais de previsão de rendimento foram treinados em três conjuntos de dados: (a) apenas dados reais de sensores, (b) dados reais aumentados com dados sintéticos de retroprojeção, e (c) várias combinações de características (apenas rendimento, rendimento + clima, rendimento + sensor, rendimento + sensor + clima).

Principais Contribuições

• Implementação Real de IoT: O artigo documenta uma implementação abrangente de sensores IoT em túneis plásticos, capturando uso de água, temperatura interna/externa e umidade, condições do solo e radiação fotossinteticamente ativa (PAR), destacando desafios práticos como falhas de energia e interrupções de sensores.
• Metodologia de Retroprojeção: Os autores propõem uma solução inovadora para a escassez de dados históricos de sensores utilizando arquivos de clima externo. Esta abordagem é distinta das Redes Adversárias Generativas (GANs), pois aproveita fontes de dados externas contínuas e confiáveis em vez de ruído latente, tornando-a adequada para ambientes com severa escassez de dados.
• Validação Empírica: O estudo valida que a combinação de dados sintéticos de retroprojeção com dados reais supera significativamente os modelos treinados exclusivamente com os limitados dados reais.

Resultos

• Precisão da Retroprojeção: Os modelos de retroprojeção reconstruíram com sucesso os valores ausentes dos sensores. O modelo GBDT geralmente apresentou o melhor desempenho para características específicas, enquanto RF e XGBoost foram selecionados para outras características com base no menor Erro Quadrático Médio (RMSE).
• Desempenho da Previsão de Rendimento:
  • Modelos treinados apenas com dados reais mostraram que a adição de características ambientais frequentemente degradou o desempenho em comparação com uma linha de base de "apenas rendimento", provavelmente devido ao volume insuficiente de dados para aprender interações complexas de características.
  • Modelos treinados com dados sintéticos + reais demonstraram melhorias significativas. O modelo GBDT alcançou os melhores resultados, reduzindo o RMSE em 19,55% e o MAE em 7,75% em comparação com a linha de base de apenas dados reais ao utilizar o conjunto de características "rendimento + sensor".
  • A combinação "rendimento + sensor" superou "rendimento + sensor + Met Office", sugerindo que dados de microclima localizados (sintetizados via retroprojeção) são mais preditivos do que apenas os dados climáticos regionais.
  • Um tamanho de janela de 6 passos temporais futuros foi identificado como ideal para a entrada da retroprojeção, equilibrando contexto temporal e ruído.

Significância e Alegações
O artigo afirma ser um dos primeiros estudos a reconstruir observações de sensores IoT de temporadas de cultivo ausentes a partir de arquivos climáticos externos especificamente para a previsão de rendimento de culturas subsequente em agricultura operacional de túneis plásticos.

Os autores enfatizam que seu trabalho aborda um desafio pragmático enfrentado por fazendas individuais: a incapacidade de acumular dados históricos de sensores suficientes para modelagem preditiva. Ao demonstrar que o aumento de dados sintéticos via retroprojeção pode melhorar a precisão da previsão, o estudo oferece um caminho viável para configurações agrícolas de pequena escala utilizarem IA, apesar da escassez de dados.

Modéstia e Limitações
Os autores mantêm um tom modesto em relação às suas alegações:

• Natureza Retrospectiva: A avaliação é explicitamente retrospectiva. Embora os rótulos de rendimento de 2023 tenham sido reservados para teste, o modelo de retroprojeção foi calibrado usando relações sensor-clima que incluíam dados de 2023. Os autores reconhecem que uma avaliação prospectiva mais rigorosa exigiria a recalibração sem quaisquer dados do ano de avaliação.
• Mecanismos Causais: A melhoria no desempenho é interpretada como evidência de utilidade preditiva prática sob aumento de dados, não como prova de que os modelos aprenderam mecanismos agronômicos causais.
• Generalização: O estudo foi conduzido em uma única fazenda na Escócia. Os autores observam que trabalhos futuros são necessários para validar a transferibilidade desta abordagem através de diversos climas e designs de túneis plásticos.
• Comparação de Linha de Base: O estudo compara-se contra uma linha de base de aprendizado de máquina autorregressivo, mas não inclui uma linha de base de persistência ingênua (ex: prever que o rendimento da próxima semana será igual ao desta semana), evitando alegações de superar o preditor mais simples possível.