Busca avançada
Ano de início
Entree

Sistema especialista para diagnóstico e predição de infestações e falhas em áreas de cultivo de cana-de-açúcar

Processo: 19/15567-2
Linha de fomento:Auxílio à Pesquisa - Pesquisa em eScience e Data Science - PIPE
Vigência: 01 de agosto de 2020 - 31 de julho de 2022
Área do conhecimento:Ciências Exatas e da Terra - Geociências - Geografia Física
Pesquisador responsável:Marcelo Elias Delaneze
Beneficiário:Marcelo Elias Delaneze
Empresa:IDGeo Inteligência em Dados Geográficos Ltda
CNAE: Cultivo de cana-de-açúcar
Atividades de apoio à agricultura
Atividades profissionais, científicas e técnicas não especificadas anteriormente
Município: Piracicaba
Pesquisadores principais:Luiz Henrique Pereira ; Ronan José Campos
Pesq. associados:Cláudia Maria de Almeida ; Roberta Averna Valente B Tolini
Vinculado ao auxílio:17/22870-8 - Diagnóstico de problemas no canavial por meio de imagens de satélites, AP.PIPE
Bolsa(s) vinculada(s):20/09035-5 - Sistema especialista para diagnóstico e predição de infestações e falhas em áreas de cultivo de cana-de-açúcar, BP.eScience.PIPE
Assunto(s):Geotecnologias  Agricultura digital  Administração agrícola  Sensoriamento remoto  Inteligência artificial  Monitoramento ambiental  Cana-de-açúcar 

Resumo

Existe uma preocupação crescente entre os produtores de cana-de-açúcar em aumentar a produtividade e reduzir as perdas devido a infestações de pragas, doenças, plantas daninhas e falhas derivadas de operação mecanizada, que interferem diretamente no desenvolvimento da cultura. Os métodos atuais para a identificação das áreas de baixa produtividade são baseados principalmente em imagens coletadas por Vants, mas esta abordagem apresenta limitações técnicas devido ao grande volume de dados coletados, necessidade de infraestrutura robusta, dificuldade e tempo de processamento, elevado tempo entre aquisição e entrega do resultado, alto custo de operação e falta de pessoal qualificado. Esta pesquisa propõe desenvolver procedimentos metodológicos baseados em aprendizado de máquinas, para estabelecer a associação entre a manifestação do problema (comportamento dinâmico das manchas de baixa produtividade, e elementos do contexto) com sua causa (diagnóstico), integrando as abordagens "multisensor orbital" e "autômatos celulares" para modelar e predizer a evolução, e/ou manifestação, dos problemas em talhões canavieiros ao longo da safra; considerando a influência dos principais condicionantes do meio físico, meteorológicos e de manejo que contribuem para sua ocorrência. Também visa desenvolver ferramenta de monitoramento sistemático dos problemas na lavoura, baseado na integração do processo de prognóstico com o diagnóstico, a fim de promover agilidade na identificação das causas, estimar os prejuízos, e direcionar as ações corretivas. Os resultados alcançados nessa plataforma irão compor uma interface administrativa para gerenciar as análises em uma interface Web em formato de relatórios e painéis de gestão interativos com a apresentação da informação em diferentes níveis de contexto. (AU)