Os processos de produção e distribuição agrícolas fazem uso de diversas tecnologias usadas para coleta de dados e gerenciamento de recursos e atividades, dentre as quais as Redes de Sensores Sem Fio, Identificação por Radiofrequência e o Wi-Fi. Devido a falhas na infraestrutura e variações ambientais, essas tecnologias possuem diversas limitações, como por exemplo, o atraso com que os dados chegam aos sistemas de gerenciamento, comprometendo a eficiência do processo. Uma solução com nós multitecnológicos, baseada nos princípios da Internet das Coisas, poderia oferecer dados de todo o processo produtivo e de distribuição, em tempo real; mas, para que esta solução seja realmente eficiente, necessita de um seletor adaptativo de tecnologias de comunicação para os "objetos" de campo que se adapte ao ambiente em tempo de execução. O objetivo deste trabalho é propor e avaliar a funcionalidade de um seletor adaptativo para esse fim. Para a proposição do seletor, buscou-se embasamento em técnicas adaptativas que oferecessem solução adequada para processos de aprendizagem pelo seletor. Dentre essas técnicas, elegeram-se as Árvores de Decisão Adaptativas para implementar a operação do seletor. A funcionalidade do seletor foi avaliada por simulações, tanto quanto ao aspecto de seleção da opção tecnológica mais adequada para o momento e a situação em questão, quanto à facilidade de se adaptar a mudanças de cenário. Os resultados das avaliações mostram que a simulação inicial, feita a partir de um cenário correspondente à fase inicial de uma cultura de milho não apresenta resultados satisfatórios. Entretanto, após alguns ciclos de aprendizagem do seletor, os resultados evoluem e superaram as exigências de qualidade propostas. Em uma segunda fase, novas simulações foram realizadas, alterando-se o cenário inicial para que, aos poucos, correspondesse à fase de colheita do milho. Nestas simulações, o processo de aprendizagem continuou ocorrendo sempre que as exigências de qualidade deixaram de ser satisfeitas, até que alcançassem a qualidade de comunicação exigida. Estes resultados permitiram concluir pela validade do seletor proposto.

Agricultural production and distribution processes employ different technologies. They are used for data collection and management of resources and activities, among which Wireless Sensor Networks, Radiofrequency Identification and WiFi. These technologies have several limitations due to flaws in infrastructure and environmental variability. For example, data arrive at management systems late, compromising process efficiency. Multi-technology nodes can be a solution to obtain real-time data from the production and distribution processes, particularly if Internet of Things principles are present. Yet, for this solution to be efficient, a communication technology selector for field "objects" must be necessary, which must adapt to the environment in run time. Therefore, the goal is to propose and to assess this Selector functionality. This proposition was based on adaptive techniques, which offered an appropriate solution for learning processes by the selector, such as the Adaptive Decision Tree. The selector uses an Adaptive Decision Tree to select the communication technology. The selector functionalities, such as the appropriate technology selection for the moment and how they adapt changes in scenario, were evaluated by the simulation method. Evaluation results show that simulations made from a scenario corresponding to the initial phase of a corn crop did not show satisfactory, but the results evolved and met the quality requirements after some learning cycles. In a second step, new simulations were conducted, changing the scenario slowly to the harvest phase. The learning process continued to occur whenever the quality requirements were no longer met. These results showed the validity of the proposed selector.