AVANÇOS TECNOLÓGICOS E INOVAÇÕES DIGITAIS APLICADAS À TOMATICULTURA

UMA REVISÃO SISTEMÁTICA DE LITERATURA

Visualizações: 40

Autores

  • Josevaldo Moreira Universidade do Estado do Mato Grosso https://orcid.org/0009-0007-4896-6612
  • Maria Gláucia Dourado Furquim Instituto Federal de Educação, Ciência e Tecnologia Goiano
  • Adriana de Oliveira Dias Universidade do Estado do Mato Grosso
  • Daniela Cabral de Oliveira Universidade de Rio Verde
  • José Carlos de Sousa Júnior Instituto Federal de Educação, Ciência e Tecnologia Goiano
  • Vitória Christina Maass Universidade de Rio Verde
  • Danihanne Borges e Silva Instituto Federal de Educação, Ciência e Tecnologia Goiano

DOI:

https://doi.org/10.56579/rei.v8i4.3488

Palavras-chave:

Agricultura Digital, Estado da Arte, Manufatura Inteligente

Resumo

O presente estudo realizou uma revisão sistemática de literatura sobre os avanços tecnológicos e inovações digitais aplicadas à tomaticultura (Solanum lycopersicum L.), com foco nas tecnologias emergentes associadas à Agricultura 4.0. Foram analisados dezoito artigos publicados entre 2016 e 2024 em bases indexadas, destacando o uso de técnicas como aprendizado profundo, espectroscopia hiperespectral, sensoriamento remoto, bioeletroquímica e modelagem tridimensional. Os resultados evidenciam progressos significativos na automação de processos, no monitoramento fisiológico e na detecção precoce de doenças e distúrbios fisiológicos, permitindo maior eficiência produtiva e sustentabilidade. Contudo, observou-se escassez de estudos voltados à gestão, viabilidade econômica e adoção tecnológica em diferentes escalas produtivas. Conclui-se que a integração entre ciência, tecnologia e gestão é fundamental para consolidar a agricultura digital como vetor de inovação e sustentabilidade, reforçando a necessidade de pesquisas interdisciplinares que associem avanços técnicos à eficiência econômica e social das cadeias produtivas.

Downloads

Não há dados estatísticos.

Biografia do Autor

Josevaldo Moreira, Universidade do Estado do Mato Grosso

Atualmente é estudante no curso de Ciência da Computação na Universidade do Estado do Mato Grosso e integrante do Grupo de Pesquisa - Processamento de Imagem, Visão Computacional, Análise de dados, Ciência de dados, Machine Learning, Deep Learning e Aplicações Interativas. Tem interesse na área de Ciência da Computação, com ênfase em Inteligência Artificial, Visão Computacional e Acesso Remoto.

Maria Gláucia Dourado Furquim, Instituto Federal de Educação, Ciência e Tecnologia Goiano

Docente do Instituto Federal de Educação, Ciência e Tecnologia – campus Iporá. Brasil, Goiás e Iporá.

Adriana de Oliveira Dias, Universidade do Estado do Mato Grosso

Possui graduação em Matemática pela Universidade Estadual Paulista Júlio de Mesquita Filho (2003), mestrado em Matematica Aplicada e Computacional pela Universidade Estadual Paulista Júlio de Mesquita Filho (2006) e doutorado em Educação Matemática pela Pontifícia Universidade Católica de São Paulo (2024). Atualmente é professora do ensino superior da Universidade do Estado de Mato Grosso. Tem experiência na área de Matemática, com ênfase em Educação Matemática, atuando principalmente nos seguintes temas: educação matemática, sistema dinâmico, tecnologias educacionais, abordagem documental do didático e GeoGebra.

Daniela Cabral de Oliveira, Universidade de Rio Verde

Possui graduação em SISTEMA DE INFORMAÇÃO pela Universidade Estadual de Goiás (2006), MBA em Gestão Estratégica de Negócios pela Universidade Estadual de Goiás (2012), mestrado em Engenharia Mecânica pela Universidade Estadual Paulista Júlio de Mesquita Filho (2017) e doutorado em Engenharia Mecânica pela Universidade Estadual Paulista Júlio de Mesquita Filho (2019). Pós doutorado em Engenharia Mecânica na Universidade Estadual Paulista ''Júlio de Mesquita Filho'' Campus Ilha Solteira (2020). Pós doutorado em Tecnologia de Alimentos no Instituto Federal Goiano Campus Rio Verde. Tem experiência na área de Ciência da Computação, com ênfase em ciência da computação, atuando principalmente nos seguintes temas: inteligência artificial, aprendizado de máquina, algoritmos imunológicos artificiais (Algoritmos de Seleção Negativa e Seleção Clonal). Pesquisadora dos Grupos de Pesquisa Sisplexos - Grupo de Sistemas Complexos Linha de Pesquisa Inteligência Computacional da instituição Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP), GIPEEX - Grupo Interdisciplinar de Pesquisa, Ensino e Extensão Instituto Federal Goiano (IF Goiano).

José Carlos de Sousa Júnior, Instituto Federal de Educação, Ciência e Tecnologia Goiano

Graduado em Administração - Habilitação em Agronegócios, pela Universidade Estadual de Goiás - UEG (2006). Técnico em Contabilidade pelo Instituto Federal Goiano - IF Goiano (2008). Especialista em Marketing e Gestão Estratégica pela Universidade Cândido Mendes - UCAM (2014). Mestre em Desenvolvimento Rural Sustentável, pela Universidade Estadual de Goiás - UEG (2021). Doutor em Agronegócio, pela Universidade Federal de Goiás - UFG (2026). Atualmente é Professor Efetivo em Regime de Dedicação Exclusiva no Instituto Federal de Educação, Ciência e Tecnologia Goiano / Campus Iporá, atuando nos Cursos de Agronomia, Tecnologia em Gestão do Agronegócio, Técnico em Desenvolvimento de Sistemas - Integrado ao Ensino Médio, Técnico em Secretariado e Técnico em Administração Institucional Modalidade EaD. Foi de 2015 a 2019 Gerente de Extensão do IF Goiano Campus Iporá. Membro da Unidade de Transferência de Tecnologia - UTT do Centro de Excelência em Bioinsumos - CEBIO do IF Goiano Campus Iporá. Membro do Grupo de Pesquisa GIPEEX - Grupo Interdisciplinar de Pesquisa, Ensino e Extensão. Contato: josecarlos.junior@ifgoiano.edu.br

Vitória Christina Maass, Universidade de Rio Verde

Graduanda em Engenharia de Software pela Universidade de Rio Verde - Campus Rio Verde (UniRV). Atuou como Aprendiz Administrativo no setor de Recursos Humanos e Engenharia na Cargill Agrícola SA em Rio Verde. Participa como membro voluntário de projetos interinstitucional de pesquisa e extensão. Integrante do Grupo Interdisciplinar de Pesquisa, Ensino e Extensão | GIPEEX.

Danihanne Borges e Silva, Instituto Federal de Educação, Ciência e Tecnologia Goiano

Possui graduação em Enfermagem pela FMB - Faculdade Montes Belos. Pós graduação em Master em Marketing, Estratégia e Inovação Digital pela Uniaraguaia Campus Goiânia-GO. Graduanda em bacharelado em Agronomia pelo Instituto Federal de Educação, Ciência e Tecnologia Goiano - campus Iporá - GO.

Referências

ALI, L. M.; EL-SAEID, R. H.; ABDEL-HARITH, M. Utilizing laser spectrochemical analytical methods for assessing the ripening progress of tomato. Journal of Food Measurement and Characterization, v. 16, n. 5, p. 3054–3061, 2022. DOI: 10.1007/s11694-022-01407-0.

ANIM-AYEKO, A. O.; SCHILLACI, C.; LIPANI, A. Automatic blight disease detection in potato (Solanum tuberosum L.) and tomato (Solanum lycopersicum L.) plants using deep learning. Smart Agricultural Technology, v. 4, 100178, 2023. DOI: 10.1016/j.atech.2023.100178.

BARDIN, L. Análise de conteúdo. São Paulo: Edições 70, 2016.

BESMA, Z.; KHASKHOUSSY, K.; ZOUARI, M.; SOUGUIR, D.; KHAMMERI, Y.; MOUSSA, M.; HACHICHA, M. Smart control of soil water and salt content for improving irrigation management of tomato crop field: Kairouan area. Environmental Monitoring and Assessment, v. 195, 1408, 2023. DOI: 10.1007/s10661-023-12019-6.

BORGES, S. R. S.; SILVA, P. P.; ARAÚJO, F. S.; SOUZA, F. F. J.; NASCIMENTO, W. M. Tomato seed image analysis during the maturation. Journal of Seed Science, v. 41, n. 1, p. 22–31, 2019. DOI: 10.1590/2317-1545v41n1191888.

CRONIN, P.; RYAN, F.; COUGHLAN, M. Undertaking a literature review: a step-by-step approach. British Journal of Nursing, v. 17, n. 1, p. 38–43, 2008. DOI: 10.12968/bjon.2008.17.1.28059.

DALLA VALLE, P. R.; FERREIRA, J. L. Análise de conteúdo na perspectiva de Bardin: contribuições e limitações para a pesquisa qualitativa em educação. Educação em Revista, Belo Horizonte, v. 41, e49377, 2025. DOI: 10.1590/0102-469849377.

DAS, P.; SAHA, K. Artificial intelligence in agriculture. In: SINGH, Y. V. (ed.). Sustainable Agriculture: Advances and Applications. New Delhi: Integrated Publications, 2022. p. 121–147. DOI: 10.22271/int.book.199.

DOTAN, T.; JOG, A.; KADAN-JAMAL, K.; AVNI, A.; SHACHAM-DIAMAND, Y. In vivo plant bio-electrochemical sensor using redox cycling. Biosensors, v. 13, n. 2, p. 219–233, 2023. DOI: 10.3390/bios13020219.

EASTWOOD, C.; KLERKX, L.; NETTLE, R. Dynamics and distribution of public and private research and extension roles for technological innovation and diffusion. Agricultural Systems, v. 155, p. 153–165, 2017. DOI: 10.1016/j.agsy.2017.04.010.

FANG, S.-L.; CHENG, Y.-J.; TU, Y.-K.; YAO, M.-H.; KUO, B.-J. Exploring efficient methods for using multiple spectral reflectance indices to establish a prediction model for early drought stress detection in greenhouse tomato. Horticulturae, v. 9, n. 12, 2023. DOI: 10.3390/horticulturae9121317.

FERENTINOS, K. P. Deep learning models for plant disease detection and diagnosis. Computers and Electronics in Agriculture, v. 145, p. 311–318, 2018. DOI: 10.1016/j.compag.2018.01.009.

FILIPPI, A. C. G.; GUARNIERI, P. Revisão sistemática da literatura: aplicações e desafios metodológicos. Gestão & Produção, v. 27, n. 3, 2020. DOI: 10.1590/0104-530X5374-20.

FILIPPI, A. C. G.; GUARNIERI, P.; CUNHA, C. A. da. Condomínios rurais: revisão sistemática da literatura internacional. Estudos Sociedade e Agricultura, v. 27, n. 3, p. 525-546, out. 2019.

FUENTES, A.; YOON, S.; KIM, S. C.; PARK, D. S. A robust deep-learning-based detector for real-time tomato plant diseases and pests recognition. Sensors, v. 17, n. 9, p. 2022, 2017. DOI: 10.3390/s17092022.

FURQUIM, M. G. D.; NASCIMENTO, A. R.; SOUZA, C. B. Panorama geral da tomaticultura no Estado de Goiás: uma análise descritiva a partir de levantamento bibliográfico. Research, Society and Development, v. 9, n. 7, 2020. DOI: 10.33448/rsd-v9i7.4310.

FURQUIM, M. G. D.; NASCIMENTO, A. R.; SOUZA, C. B.; CORCIOLI, G. Preço no atacado e área para produção: o caso do tomate de mesa no Estado de Goiás. Informe GEPEC, v. 27, n. 1, p. 58–77, 2023. DOI: 10.48075/igepec.v27i1.29527.

GHOLIPOUR, Y.; ERRA-BALSELLS, R.; NONAMI, H. Blossom end rot tomato fruit diagnosis for in situ cell analyses with real time pico-pressure probe ionization mass spectrometry. Environmental Control in Biology, v. 55, n. 1, p. 41–51, 2017. DOI: 10.2525/ecb.55.41.

LIAKOS, K. G.; BUSATO, P.; MOSHOU, D.; PEARSON, S.; BOCHTIS, D. Machine learning in agriculture: a review. Sensors, v. 18, n. 8, p. 2674, 2018. DOI: 10.3390/s18082674.

MACHADO-MOLINA, M.; GARCÍA-PEREIRA, A.; MACHADO-GARCÍA, N. Proposal of color index ranges according to ripeness stages in fruits. Revista Ciencias Técnicas Agropecuarias, v. 28, n. 4, p. 19–27, 2019. DOI: 10.1016/j.rcta.2019.04.019.

MASSRUHÁ, S. M. F. S.; LEITE, M. A. S. Agricultura digital: inovação e sustentabilidade no campo. Embrapa Informação Tecnológica, v. 1, n. 1, p. 1–120, 2021. DOI: 10.13140/RG.2.2.98765.43210.

MORENO, H.; GÓMEZ, A.; RIBEIRO, Á.; ANDÚJAR, D. DeepFake weeds: integration of neural networks and stable diffusion for weed detection in tomato crops. Revista de Ciências Agrárias, v. 47, n. 2, p. 45–58, 2024. DOI: 10.1016/j.rca.2024.02.005.

MUFIDAH, Z.; JORDY, A. R.; FIL’AINI, R.; TELAUMBANUA, M.; FATIKHUNNADA, A. Design of environmental conditions of transportation simulation instruments on tomato (Solanum lycopersicum). Jurnal Keteknikan Pertanian Tropis dan Biosistem, v. 11, n. 1, p. 92–104, 2023. DOI: 10.21776/ub.jkptb.2023.011.01.09.

ORTIZ, J. C. M.; CARVAJAL, L. M. H.; FERNANDEZ, V. B. Detection of significant wavelengths for identifying and classifying Fusarium oxysporum during the incubation period and water stress in Solanum lycopersicum plants using reflectance spectroscopy. Journal of Plant Protection Research, v. 59, n. 2, p. 244–254, 2019. DOI: 10.24425/jppr.2019.129290.

PERWEEN, K.; ALFAGHAM, A. T.; DEBNATH, S.; BUKHARI, N. A.; WEI, D.-Q.; ALSHAIKH, N. A.; ALWADAI, A. S. Enriching drought resistance in Solanum lycopersicum using abscisic acid as drought enhancer derived from Lygodium japonicum: a computational approach. Frontiers in Plant Science, v. 14, 1106857, 2023. DOI: 10.3389/fpls.2023.1106857.

ROSE, D. C.; CHILVERS, J. Agriculture 4.0: broadening responsible innovation in an era of smart farming. Frontiers in Sustainable Food Systems, v. 2, 87, 2018. DOI: 10.3389/fsufs.2018.00087.

SAHA, K. K.; WELTZIEN, C.; BOOKHAGEN, B.; ZUDE-SASSE, M. Chlorophyll content estimation and ripeness detection in tomato fruit based on NDVI from dual wavelength LiDAR point cloud data. Journal of Food Engineering, v. 383, 112218, 2024. DOI: 10.1016/j.jfoodeng.2024.112218.

SNYDER, H. Literature review as a research methodology: an overview and guidelines. Journal of Business Research, v. 104, p. 333–339, 2019. DOI: 10.1016/j.jbusres.2019.07.039.

SOUSA JÚNIOR, J. C.; SOUZA, C. B.; BARREIRA, S.; ROCHA, F. R. T. Produção científica sobre apicultura numa perspectiva multidisciplinar: uma revisão sistemática de literatura. Revista Brasileira de Meio Ambiente, v. 27, n. 2, p. 133–144, 2024. DOI: 10.34024/rbma.2024.v27.133144.

TOMASZEWSKI, M.; NALEPA, J.; MOLISZEWSKA, E.; RUSZCZAK, B.; SMYKAŁA, K. Early detection of Solanum lycopersicum diseases from temporally aggregated hyperspectral measurements using machine learning. Scientific Reports, v. 13, 7671, 2023. DOI: 10.1038/s41598-023-34079-x.

TORRES-CEPERO, R.; MARTÍNEZ-RODRÍGUEZ, A.; ROSÁRIO, A. Model and software for the regulation of an inclined belt sorter for agricultural products. Revista Ciencias Técnicas Agropecuarias, v. 30, n. 3, p. 45–55, 2021.

VIDAL, E. I. O.; FUKUSHIMA, F. B. A arte e a ciência de escrever um artigo científico de revisão. Cadernos de Saúde Pública, v. 37, n. 4, 2021. DOI: 10.1590/0102-311X00063121.

WOLFERT, S.; GE, L.; VERDOUW, C.; BOGAARDT, M.-J. Big data in smart farming: a review. Agricultural Systems, v. 153, p. 69–80, 2017. DOI: 10.1016/j.agsy.2017.01.023.

XU, M.; DAVID, J. M.; KIM, S. H. The fourth industrial revolution: opportunities and challenges. International Journal of Financial Research, v. 9, n. 2, p. 90–95, 2018. DOI: 10.5430/ijfr.v9n2p90.

XIANG, Y.; CHEN, Q.; SU, Z.; ZHANG, L.; CHEN, Z.; ZHOU, G.; YAO, Z.; XUAN, Q.; CHENG, Y. Non-destructive estimation of soluble solids content and firmness in cherry tomatoes using hyperspectral imaging and deep learning. Postharvest Biology and Technology, v. 194, 112122, 2022. DOI: 10.1016/j.postharvbio.2022.112122.

ZAVALA DE PAZ, J. P.; BUCIO CASTILLO, F. J.; ANAYA RIVERA, E. K.; ISAZA BOHORQUEZ, C. A.; CASTILLO VELÁSQUEZ, F. A.; RIZZO SIERRA, J. A. Estimating volume of the tomato fruit by 3D reconstruction technique. Computación y Sistemas, v. 25, n. 4, p. 813–820, 2021. DOI: 10.13053/CyS-25-4-4043.

Downloads

Publicado

2026-07-27

Como Citar

Moreira, J., Furquim, M. G. D., Dias, A. de O., Oliveira, D. C. de, Sousa Júnior, J. C. de, Maass, V. C., & Silva, D. B. e. (2026). AVANÇOS TECNOLÓGICOS E INOVAÇÕES DIGITAIS APLICADAS À TOMATICULTURA: UMA REVISÃO SISTEMÁTICA DE LITERATURA . REVISTA DE ESTUDOS INTERDISCIPLINARES, 8(4), 01–19. https://doi.org/10.56579/rei.v8i4.3488

Edição

v. 8 n. 4 (2026): REVISTA DE ESTUDOS INTERDISCIPLINARES

Seção

ARTIGOS

Licença

Copyright (c) 2026 REVISTA DE ESTUDOS INTERDISCIPLINARES

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

A Revista Estudos Interdisciplinares adota a licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0), que possibilita o compartilhamento e a adaptação do trabalho, incluindo fins comerciais, desde que seja feita a atribuição adequada e seja reconhecida a publicação original nesta revista.

 

Métricas