Plataforma digital para previsão de safra e análise da maturação dos frutos em lavouras de café arábica

• Processo: 22/05594-5
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de outubro de 2022
• Data de Término da vigência: 30 de setembro de 2024
• Área do conhecimento: Ciências Agrárias - Agronomia - Fitotecnia
• Pesquisador responsável: Diego Moure Oliveira
• Beneficiário: Diego Moure Oliveira
• Empresa: Agrobee Soluções em Polinização e Sustentabilidade Ltda
• CNAE: Pesquisa e desenvolvimento experimental em ciências físicas e naturais
• Município: Ribeirão Preto
• Pesquisadores principais: Guilherme Jorge Gomes de Sousa ; Joyce Mayra Volpini Almeida Dias
• Pesquisadores associados: Andresa Aparecida Berretta e Silva ; Carlos Pamplona Rehder ; Jorge Luis Silva Kavicki
• Auxílio(s) vinculado(s): 24/22819-6 - FAPESP Week Alemanha 2025, AR.EXT; 23/09595-9 - Aprimoramento do algoritmo e ferramenta digital para estimativa de safra em lavouras de café arábica e sua implementação em uma plataforma digital, AP.PIPE
• Bolsa(s) vinculada(s): 23/14241-1 - Desenvolvimento de uma ferramenta digital para estimativa de safra e momento de colheita em lavouras de café arábica., BP.TT; 23/11772-6 - Utilização de inteligência artificial para estimativa de safra em lavouras de café arábica, BP.TT; 23/11821-7 - Utilização de inteligência artificial para acompanhamento de safra de lavouras de café arábica, BP.TT; + mais bolsas vinculadas 23/06660-4 - Utilização de inteligência artificial para avaliação do momento de colheita em lavouras de café arábica, BP.TT; 23/05665-2 - Utilização de inteligência artificial para estimativa de safra em lavouras de café arábica, BP.TT; 22/14497-3 - Utilização de inteligência artificial para acompanhamento de safra de lavouras de café arábica, BP.TT - menos bolsas vinculadas
• Assunto(s): Cafeicultura Safra Maturação dos frutos Café Coffea arabica Agronegócio Plataformas digitais
• Palavra(s)-Chave do Pesquisador: Agricultura 4 | agronegócio | cafeicultura | Estimativa de safra | 0 | Cafeicultura

Resumo

Para o cafeicultor conseguir praticar bons negócios com a venda de seu café, algumas etapas pré colheita são chave, entre elas, (I) saber o momento de colher o café e (II) ter uma boa estimativa de produção nas lavouras algum tempo antes de iniciar a colheita. A primeira etapa é de extrema importância, principalmente para os cafeicultores que buscam melhoras na pontuação da bebida do café; e a colheita com muitos frutos no estágio imaturo (verde) pode comprometer essa qualidade e consequentemente desvalorizar o preço do café. A segunda etapa é crucial para o cafeicultor conseguir otimizar e planejar os manejos das áreas produtoras e finanças das fazendas. Na safra passada foram produzidas mais de 48 milhões de sacas de café arábica no país em mais de 1,75 milhões de hectares; dessa forma, a busca por novas tecnologias que visem melhorar o setor produtivo cafeeiro é especialmente interessante. Nesse sentido, durante a Fase 1 (PIPE-FAPESP n 2020/05864-7) foi proposto o estudo de viabilidade de uma ferramenta digital, com analise de imagens através de inteligência artificial para predição de colheita e estimativa de safra, os resultados promissores, na identificação de grãos e nível de maturação, que podem ser encontrados no relatório da fase 1 anexo a essa proposta justificam a presente proposta para fase 2. Durante a fase 2, é proposto que esse modelo e ferramenta sejam incorporados em uma plataforma digital acessível e intuitiva, e testada de maneira estratégica com objetivo comercial. Além de informar dados gerais de produtividade e estágios de maturação dos frutos, a tecnologia poderá informar dados de produtividade e maturação de maneira detalhada, uma vez que pontos de coleta serão georreferenciados. Dez fazendas presentes nas principais regiões produtoras de café arábica serão acompanhadas durante os anos de projeto em três distintos momentos do ciclo produtivo dos cafeeiros, (I) início da frutificação; (II) frutificação avançada, e (III) maturação média. Os dados coletados permitirão refinar a ferramenta de inteligência artificial e integrarplataforma a ser desenvolvida para validação e posteriormente comercialização para três atividades pré-colheita; (I) estimativa de safra; (II) acompanhamento de safra e (III) identificação dos estágios de maturação dos frutos. (AU)