Em cultivos agrícolas que visam qualidade e alta produtividade tem crescido a aplicação de água por meio de sistemas de irrigação com inteligência artificial de modo a atender as necessidades hídricas das culturas de maneira eficiente e automatizada. Este tipo de sistema dispõe de mecanismos mais precisos para quantificação da água que deve ser aplicada, sendo mais eficiente e sustentável que sistemas manuais. Mesmo com essa tecnologia, estes sistemas ainda possuem baixa acessibilidade, devido aos altos custos dos equipamentos utilizados na implantação e a falta de suporte disponível caso venha a ocorrer alguma eventualidade. Diante do exposto, o objetivo do presente trabalho foi avaliar um equipamento de manejo de irrigação aplicado ao cultivo da cultura do pimentão vermelho, via inteligência artificial de baixo custo e que confere assistência técnica ao produtor, nos aspectos produtivos e econômicos. O experimento foi conduzido em ambiente protegido (estufa agrícola) localizada no Departamento de Engenharia de Biossistemas da Escola Superior de Agricultura "Luiz de Queiroz" da Universidade de São Paulo (ESALQ/USP), sendo avaliados dois manejos de irrigação (MIA - Manejo da irrigação via inteligência artificial para cálculo da ETo com a micro estação meteorológica e para acionamento do sistema de irrigação e MM - Manejo da irrigação via cálculo da ETo com uso da estação meteorológica padrão e operação manual do sistema de irrigação). Nos aspectos produtivos foram avaliados número de frutos (NF), massa fresca total dos frutos (MFT), massa fresca de frutos comerciais (MFC), massa fresca de frutos não comerciais (MFNC) e produtividade (P). Nos aspectos qualitativos foram avaliados largura, comprimento dos frutos, pH e Brix. Na análise econômica, foram considerados quatro cenários de manejo de irrigação via clima (1:ETo via estação meteorológica padrão e operação manual, 2: ETo via estação meteorológica comercial e operação manual; 3: Cálculo automático de ETo com dados da estação meteorológica comercial e operação manual; 4: ETo via microestação meteorológica e operação via inteligência artificial). O manejo da irrigação via inteligência artificial foi equivalente ao manejo de irrigação via manual para as variáveis de produção e de qualidade dos frutos e ainda resultou em menor custo total anual quando comparado aos cenários com uso de outras estações meteorológicas e operação manual do sistema, demonstrando ser uma opção economicamente acessível aos produtores rurais.

In agricultural crops that aim at quality and high productivity, the application of water through irrigation systems with artificial intelligence has grown to meet the water needs of crops in an efficient and automated way. This type of system has more precise mechanisms for quantifying the water that must be applied, being more efficient and sustainable than manual systems. Even with this technology, these systems still have low accessibility, due to the high costs of the equipment used in the implementation and the lack of available support in case of any eventuality. In view of the above, the objective of the present work was to evaluate an irrigation management equipment applied to the cultivation of red pepper, via low-cost artificial intelligence that provides technical assistance to the producer, in the productive and economic aspects. The experiment was carried out in a protected environment (agricultural greenhouse) located in the Department of Biosystems Engineering of the Luiz de Queiroz College of Agriculture from the University of São Paulo (ESALQ/USP) on the Piracicaba campus at the state of São Paulo. Two irrigation managements for red pepper crop were evaluated, the first one (AIM - Artificial Intelligence Management) to reference evapotranspiration (ETo) calculation with the micrometeorological station and activation by way of artificial intelligence of the irrigation system and the second one (MM Manual Management) to ETo calculation using Campbell Scientific weather station and manual override for system operation. In the productive aspects were evaluated the fruits number (FN), total fresh matter (TFM), fresh matter of commercial fruits (FMC), fresh matter of noncommercial fruits (FMNC) and productivity (P), in the qualitative aspects were evaluated width, fruit length, pH and °Brix. In the economic analysis, four irrigation management scenarios were considered by climate (1: ETo by standard weather station and manual operation, 2: ETo by commercial weather station and manual operation; 3: Automatic calculation of ETo with data from the commercial weather station and manual operation; 4: ETo by micro meteorological station and operation via artificial intelligence). Irrigation management by artificial intelligence was equivalent to irrigation management by manual for the variables of production and fruit quality and also resulted in a lower total annual cost when compared to scenarios using other meteorological stations and manual operation of the system, demonstrating be an affordable option for rural producers.