Development of a Precision Agriculture system applied to real time detection of soy plants and weeds in a controlled environment using multi spectral cameras and artificial intelligence

• Grant number: 22/15921-3
• Support Opportunities: Scholarships in Brazil - Innovative Research in Small Business - PIPE
• Start date: December 01, 2022
• End date: August 31, 2023
• Field of knowledge: Agronomical Sciences - Agricultural Engineering - Agricultural Machinery and Implements
• Principal Investigator: Leonardo Bruno Renzo Milani
• Grantee: Leonardo Bruno Renzo Milani
• Company: Agrio Tecnologia Ltda
• CNAE: Desenvolvimento de programas de computador sob encomenda ; Consultoria em tecnologia da informação ; Serviços de engenharia
• Associated research grant: 22/06153-2 - Development of a precision agriculture system applied to real time detection of soy plants and weeds in a controlled environment using multi spectral cameras and artificial intelligence, AP.PIPE

Abstract

Atualmente, a Agricultura de Precisão (AP) destaca-se como uma das áreas mais promissoras para o desenvolvimento de tecnologias no país. Algumas tecnologias advindas dessa área incluem, por exemplo, o mapeamento de áreas de produtividade e o desenvolvimento de sensores e sistemas para análises do solo e do clima, sempre visando o uso inteligente dos recursos durante o manejo das culturas e auxiliando o produtor durante as etapas de tomada de decisão. Dentre os problemas da agricultura moderna, está o uso intensivo e de forma não localizada de herbicidas, que além de ser prejudicial ao meio ambiente, contribui para o desenvolvimento de plantas daninhas resistentes aos defensivos aplicados em campo. Visando contornar este problema, o presente projeto visa, através de métodos de Visão Computacional e Inteligência Artificial (IA), o desenvolvimento de uma prova de conceito que seja capaz de obter imagens do plano superior de plantas em diferentes comprimentos de onda e em ambiente controlado, construir imagens multiespectrais com as imagens espectrais obtidas individualmente e classificar as plantas presentes nas imagens em plantas de soja ou plantas daninhas, de forma com que todo o processo ocorra em tempo real. Para a obtenção das imagens multiespectrais, serão desenvolvidas duas abordagens: A primeira utilizando quatro câmeras com sensor CMOS (do inglês, Complementary Metal Oxide Semiconductor ) monocromático e quatro filtros individuais cobrindo cada sensor; A segunda utilizando uma câmera com sensor CMOS monocromático acoplado a um filtro multiespectral feito sob medida. As imagens obtidas durante os experimentos serão utilizadas para a construção de um banco de imagens multiespectrais contendo as classes soja e erva daninha que posteriormente serão utilizadas para treinar uma Inteligência Artificial para tarefas de detecção e classificação. Sistemas embarcados serão utilizados para controlar a captura de imagens espectrais, construir as imagens multiespectrais e realizar a detecção de plantas daninhas e plantas de soja nessas imagens. Com isso, ao final do projeto, espera-se obter uma prova de conceito para a detecção de plantas daninhas e plantas de soja em ambiente controlado e em tempo real utilizando imagens multiespectrais, possibilitando o escalonamento da tecnologia no futuro visando o desenvolvimento de um sistema interligado em tratores pulverizadores de marcas consolidadas, contribuindo assim com a redução nos custos do produtor com herbicidas, redução nos danos causados ao meio ambiente por esses defensivos quando utilizados de maneira generalizada e prevenindo o surgimento de novos casos de plantas daninhas resistentes aos herbicidas amplamente utilizados em campo. (AU)