Sistema embarcado para monitoramento da produtividade, maturação e anomalias em plantações de café

• Processo: 19/23048-5
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Vigência: 01 de março de 2021 - 28 de fevereiro de 2023
• Área do conhecimento: Ciências Agrárias - Engenharia Agrícola
• Pesquisador responsável: Jose Angelo Gurzoni Junior
• Beneficiário: Jose Angelo Gurzoni Junior
• Empresa Sede: Adroit Sistemas Inteligentes, Equipamentos para Automação, Consultoria e Serviços de Engenharia Ltda
• CNAE: Cultivo de café
• Município: São Paulo
• Pesquisadores associados: Abner Matheus Costa de Araújo ; Caio César Teodoro Mendes ; Cristiane Silva Ferreira ; José Guilherme Mota Esgario ; Milton Peres Cortez Junior ; Plinio Thomaz Aquino Junior ; Samuel Ribeiro Giordano
• Bolsa(s) vinculada(s): 22/00749-0 - Detecção e classificação de frutos com mapeamento da evolução temporal aplicada em plantações de café, BP.TT; 22/01651-4 - Detecção automática de anomalias em folhas e frutos em plantações de café, BP.TT
• Assunto(s): Agricultura de precisão Cafeicultura Pragas de plantas Maturação vegetal Aprendizado computacional Visão computacional Produtividade Sistemas embarcados Monitoramento
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | cafeicultura | Monitoramento de Anomalias e Pragas | Monitoramento de Maturação | Monitoramento de Produtividade | Visão Computacional | Agricultura de Precisão

Resumo

Com desenvolvimento de pesquisas em laboratório e em campo, a Adroit Robotics se especializou nos últimos anos no monitoramento preciso dos índices de produtividade e saúde dos pomares, além da detecção precoce de doenças e pragas. Esta tecnologia, em estágio de início de operação em pomares de cítricos, tem grande potencial de aplicação para lavouras de café, onde o acompanhamento dos níveis de maturação aumentará a capacidade de produção de grãos de qualidade superior, além da contenção de pragas como ferrugem, cercosporiose e bicho mineiro. A contenção das pragas em seus estágios iniciais é importante para a implantação de Métodos Integrados de Controle de Pragas (MIP), redução do uso de defensivos nas lavouras, redução do risco de contaminação do ambiente e dos seres vivos nele inseridos. Este projeto de pesquisa tem como objetivo aplicar técnicas de processamento de imagem e aprendizado de máquina na detecção de frutos e folhas para monitoramento de produtividade, estágio de maturação e detecção precoce de anomalias em pomares cafeeiros. O projeto considera como requisito que o sistema será embarcado em tratores e implementos já empregados no manejo da plantação. As técnicas e métodos foram aplicados pela empresa proponente em pomares de cítricos de grandes produtores do Estado de São Paulo, com bons resultados. Ao embarcar o sistema em máquinas agrícolas será possível otimizar recursos para coleta de dados, aproveitando as operações já realizadas atualmente durante o manejo dos pomares. O sistema embarcado utilizará imagens de altíssima resolução para coletar informações como quantidade, distribuição e estágio de maturação dos frutos, geolocalização, diversidade de altura e adensamento das árvores, volumes das copas, condições ambientais, entre outras variáveis necessárias para o monitoramento da evolução e saúde da plantação. O uso de dispositivo automatizado, sem necessidade de interferência humana permite atingir altos níveis de precisão e acompanhamento contínuo da evolução das plantas e frutos, uma revolução quando comparada com a pequena amostragem utilizada para tomada de decisão nos métodos tradicionais. O sistema proposto também poderá ser utilizado para a estimativa de safra, um item de extrema importância para o cafeicultor. Atualmente, a estimativa é realizada com base na derriça de 1 a 5% das árvores, resultando em estimativas pouco precisas. Outro desafio enfrentado é a definição do instante correto para a colheita. A uniformidade na maturação dos grãos colhidos influencia diretamente a qualidade do café. Em colheitas antecipadas são extraídos muitos frutos ainda verdes, que aumentam a acidez da bebida, enquanto, em colheitas tardias são extraídos grãos ardidos ou grãos pretos, que também reduzem a qualidade do café, além do atraso na colheita favorecer a proliferação de pragas, como a broca do café. Diversas pragas afetam o desenvolvimento e a produtividade do café, ocasionando perdas econômicas diretas. Existem métodos preventivos para o controle, como a aplicação antecipada de defensivos em épocas ou climas típicos do seu aparecimento. No entanto, tais estratégias geram desperdícios e podem ocasionar desequilíbrios que favorecem o aparecimento de outras pragas. A detecção precoce dos focos de anomalias e doenças leva ao uso mais racional de defensivos. Os desafios científicos e técnicos a serem superados na execução desta proposta envolvem o desenvolvimento de sensores, a pesquisa sobre os algoritmos apropriados de visão computacional e aprendizado de máquina para as estimativas de produtividade, maturação e anomalias em plantações de café além da implementação de softwares de alto desempenho que empreguem tais técnicas. Ao término do projeto espera-se obter resultados consistentes, que comprovem a eficiência da detecção de folhas, frutos e pragas utilizando sensores óticos, visão computacional e aprendizado de máquina em um processo automático de coleta de dados. (AU)