Esta obra apresenta uma investigação sobre o uso de abordagens híbridas de aprendizagem profunda para a implementação de sistemas de irrigação de precisão em tempo real na cultura do lúpulo. O lúpulo, essencial na produção de cervejas artesanais e industriais, apresenta elevada sensibilidade ao manejo hídrico, tornando a gestão eficiente da irrigação um fator crítico para a qualidade e produtividade da cultura. O trabalho está estruturado em dois estudos de caso distintos. O primeiro estudo aborda a integração de dados provenientes de sensores de campo, como humidade do solo, temperatura e radiação solar, com imagens de satélite. O segundo estudo explora a aplicação de modelos híbridos que combinam redes recorrentes e Transformers. Esses modelos são utilizados para otimizar a irrigação em tempo real, baseando-se em previsões climáticas e históricos agronómicos. A abordagem permite uma análise mais aprofundada das variáveis envolvidas no processo de irrigação, promovendo decisões mais informadas e eficazes. Ambos os estudos destacam a importância da integração de fontes de dados heterogéneas e do uso de arquiteturas avançadas de aprendizagem profunda para lidar com a complexidade temporal e espacial dos sistemas agrícolas. A obra contribui para o avanço das práticas sustentáveis na agricultura de precisão, oferecendo uma interface adaptável para outras culturas e regiões, e reforçando o papel da inteligência artificial como ferramenta essencial para a gestão eficiente dos recursos hídricos.