Desenvolvimento de um sistema baseado em inteligência artificial para redução de perdas de colheita na soja

• Processo: 19/00880-7
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Vigência: 01 de junho de 2020 - 30 de junho de 2021
• Área do conhecimento: Ciências Agrárias - Agronomia
• Valor Concedido/Desembolsado (R$): 56.519,00 / 56.519,00
• Vlr. incl. vinculados (R$): 149.349,60 / 149.349,60
• Pesquisador responsável: Marcos Nascimbem Ferraz
• Beneficiário: Marcos Nascimbem Ferraz
• Empresa Sede: Smart Consultoria Agronômica e Serviços Agrícolas Ltda
• CNAE: Cultivo de soja
• Município: Piracicaba
• Pesquisadores associados: João Felipe Manfrinato Mariano ; Rodrigo Gonçalves Trevisan
• Bolsa(s) vinculada(s): 20/02562-0 - Desenvolvimento de um sistema baseado em inteligência artificial para redução de perdas de colheita na soja, BP.PIPE; 20/02580-8 - Desenvolvimento de um sistema baseado em inteligência artificial para redução de perdas de colheita na soja, BP.TT; 20/02583-7 - Desenvolvimento de um sistema baseado em inteligência artificial para redução de perdas de colheita na soja, BP.TT; 20/02637-0 - Desenvolvimento de um sistema baseado em inteligência artificial para redução de perdas de colheita na soja, BP.TT
• Assunto(s): Aprendizado computacional Processamento de imagens Inteligência artificial Colhedoras Colheita Soja
• Palavra(s)-Chave do Pesquisador: colhedora de soja | machine learning | Processamento de imagens | Perda de Colheita

Resumo

Atualmente no Brasil estima-se que 80 kg ha-1 de soja sejam perdidos somente no processo de colheita, representando um prejuízo aproximado de R$ 3,5 bilhões na safra 2017/18. Segundo EMATER-PR e EMBRAPA Soja, uma máquina bem regulada pode reduzir as perdas para menos de 5 kg ha-1, ou seja, uma redução de mais de 90% nas perdas. Dentre os mecanismos das colhedoras, cerca de 80 a 85% das perdas ocorrem diretamente na plataforma de corte, no entanto, não existem dispositivos de mensuração automática destas perdas. A opção mais utilizada pelos agricultores é a coleta manual dos grãos seguida pela mensuração em um copo graduado, exigindo mão-de-obra específica além da interrupção da colheita enquanto a mensuração das perdas de plataforma é realizada. Desta forma, a subestimação das perdas e a consequente falta de monitoramento são os principais responsáveis pelos níveis atuais de perdas. Neste sentido, o projeto visa testar a viabilidade técnica do desenvolvimento de um sistema de monitoramento de perdas de colheita de soja na plataforma das colhedoras. Para tanto, será desenvolvido um sistema de imageamento (RGB) para coletar fotos durante o processo de colheita. O sistema será fixado em diferentes posições da colhedora realizando o imageamento do solo logo após a passagem da plataforma de corte. A partir das imagens, será construído um banco de dados suficientemente robusto para representar a maior parte das situações de campo encontradas no Brasil. Com o auxílio de técnicas de inteligência artificial, serão criados modelos de reconhecimento de grãos nas imagens, visando treiná-los e validá-los em conjuntos de dados separados, evitando o sobreajuste (overfitting). Esta é a etapa chave do projeto, testes preliminares realizados pela empresa já demonstraram que há capacidade de identificar e contar grãos nas imagens com alta acurácia, no entanto, foram utilizadas poucas imagens e câmeras comuns, exigindo testes mais robustos. Caso os resultados sejam positivos, os modelos serão implementados em módulos nas colhedoras visando a determinação dos níveis de perdas instantaneamente, indicando a intervenção imediata do operador. Os principais ajustes que podem ser corrigidos pelo operador são: a) velocidade de colheita; b) velocidade e altura do molinete. Os resultados previstos compreendem determinar a viabilidade técnica e econômica da metodologia proposta, possibilitando o início da criação de um produto comercial capaz de monitorar e informar instantaneamente as perdas, possibilitando a intervenção imediata do operador. Espera-se também contribuir para o entendimento da dinâmica das perdas de colheita, auxiliando no direcionamento de projetos futuros por meio da disponibilização das informações adquiridas. (AU)