Mapeamento da qualidade de cana-de-açúcar por meio de ferramentas de inteligência artificial e imagens de alta resolução

• Processo: 23/12986-0
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de maio de 2024
• Data de Término da vigência: 30 de abril de 2026
• Área do conhecimento: Ciências Agrárias - Engenharia Agrícola - Máquinas e Implementos Agrícolas
• Pesquisador responsável: Tatiana Fernanda Canata
• Beneficiário: Tatiana Fernanda Canata
• Instituição Sede: Faculdade de Ciências Agrárias e Veterinárias (FCAV). Universidade Estadual Paulista (UNESP). Campus de Jaboticabal. Jaboticabal , SP, Brasil
• Assunto(s): Agricultura de precisão Agricultura digital Colheita mecanizada Geotecnologias Qualidade da produção Cana-de-açúcar Inteligência artificial Tecnologia agrícola
• Palavra(s)-Chave do Pesquisador: agricultura digital | Colheita mecanizada | Ferramentas não destrutivas | geotecnologias | agricultura de precisão

Resumo

Antecipar o teor de açúcar dos colmos de cana-de-açúcar é essencial para desenvolver soluções baseadas em dados a fim de determinar o momento ideal da colheita mecanizada. No entanto, as medidas tradicionais em laboratório são destrutivas e limitadas em escala, prejudicando o planejamento da colheita em escala industrial. O objetivo do projeto é a caracterização da variabilidade espacial dos atributos de qualidade de cana-de-açúcar a partir da integração de múltiplas fontes de dados utilizando inteligência artificial. As amostras serão coletadas em áreas comerciais de cana-de-açúcar no estado de São Paulo para a mensuração dos atributos de qualidade em laboratório durante duas safras consecutivas. As imagens multiespectrais serão adquiridas nas mesmas datas de avaliação em campo para o cálculo dos índices de vegetação e a extração dos valores de refletância do dossel de plantas. Também serão utilizados os dados meteorológicos disponibilizados por uma estação meteorológica local como forma de incrementar a robustez dos modelos preditivos. Estes modelos serão desenvolvidos utilizando redes neurais artificiais e florestas aleatórias a partir da integração dos dados de campo e imagens multiespectrais de alta resolução. O desenvolvimento deste projeto permitirá a caracterização da resposta espectral das plantas de acordo com o conteúdo de açúcar e, portanto, auxiliará na priorização de talhões em condições ideais para a colheita. A estimativa não destrutiva de qualidade de cana-de-açúcar tem potencial para otimizar o uso de insumos na cadeia produtiva do setor, além de mitigar o impacto ambiental resultante das operações mecanizadas. Os resultados deste projeto permitirão suprir uma carência nacional em relação ao desenvolvimento de inovações tecnológicas adaptadas à agricultura tropical, assim como viabilizar a adoção de práticas sustentáveis relacionadas ao monitoramento precoce das lavouras. (AU)