Fusão de dados multimodais e modelagem de crescimento baseados em aprendizado de máquina para melhoria da produção de soja

• Processo: 24/15430-5
• Modalidade de apoio: Auxílio à Pesquisa - Programa de Pesquisa sobre Mudanças Climáticas Globais - Temático
• Data de Início da vigência: 01 de janeiro de 2025
• Data de Término da vigência: 31 de dezembro de 2027
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Zhao Liang
• Beneficiário: Zhao Liang
• Pesquisador Responsável no exterior: Huaqiang Yuan
• Instituição Parceira no exterior: Dongguan University of Technology, China
• Instituição Sede: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto (FFCLRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil
• Pesquisadores principais: José Baldin Pinheiro ; Renato Tinós
• Pesquisadores associados: Alexandre Cláudio Botazzo Delbem ; Amaury Burlamaqui Bendahan ; Antonio Mauro Saraiva ; Bruno Sérgio Vieira ; Ednaldo José Ferreira ; George Deroco Martins ; Jayme Garcia Arnal Barbedo ; Joaquim Cezar Felipe ; Julio Cezar Franchini dos Santos ; Juscelino Izidoro de Oliveira Júnior ; Lucas Prado Osco ; Lucio Andre de Castro Jorge ; Luiz Otavio Murta Junior ; Mirela Teixeira Cazzolato ; Murillo Guimarães Carneiro ; Rafael Moreira Soares ; Ricardo Marcondes Marcacini ; Rodrigo Yoiti Tsukahara
• Bolsa(s) vinculada(s): 25/10840-3 - Adaptação de domínio com transferência de aprendizado para predição da produtividade da soja, BP.PD; 25/11161-2 - Fenotipagem de alto rendimento e aprendizado de máquina para a seleção de genótipos de soja resistentes ao complexo de percevejos em diferentes grupos de maturidade, BP.PD; 25/08971-2 - Desenvolvimento de um Sistema WEB de Tomada de Decisão para a cultura da soja por meio de Técnicas de Inteligência Artificial usando Imagens multiespectrais, hiper-espectrais e dados em nuvem de LIDAR usando imagens de VANTs e Satélites, BP.TT
• Assunto(s): Inteligência artificial Agricultura digital Big data Sensoriamento remoto Transferência de aprendizado de máquina Soja
• Palavra(s)-Chave do Pesquisador: Agricultural Big Data | Complex Network-Based Machine Learning | Crop Phenotypic Analysis | Information fusion | Remote Sensing | Transfer Learning | Artificial Intelligence, Digital Agriculture

Resumo

Decisões precisas de gerenciamento de produção para a soja são cruciais para aumentar a produtividade e melhorar a qualidade da colheita. No entanto, a complexa estrutura do dossel das plantas de soja, caracterizada pelo sombreamento mútuo, complica a aquisição precisa de dados fenotípicos. Além disso, o crescimento da soja está intimamente ligado a fatores ambientais, que são cada vez mais variáveis devido às mudanças climáticas. A diversidade de dados de monitoramento da produção, juntamente com cenários variados e complexos em diferentes regiões, apresenta desafios significativos para a modelagem do gerenciamento e tomada de decisões na produção de soja. Para enfrentar esses desafios, este projeto aproveita um esforço colaborativo entre equipes de pesquisa chinesas e brasileiras, focando na utilização de dados multimodais coletados durante o processo de produção de soja e empregando reconstrução 3D, análise fenotípica, modelagem de redes complexas em múltiplas camadas e aprendizado adaptativo de domínio como base teórica e técnica. A pesquisa visa desenvolver tecnologias-chave que utilizam aprendizado de máquina e fusão de dados multimodais para aumentar a produtividade da soja e melhorar a qualidade da colheita. As principais tarefas incluem: 1) Desenvolver métodos para reconstrução 3D de alta qualidade das plantas de soja usando imagens esparsas de múltiplas vistas para alcançar modelagem estrutural precisa; 2) Avançar a tecnologia de fenotipagem para plantas de soja com base em dados multimodais, como imagens, nuvens de pontos e informações espectrais, para melhorar a precisão dos fenótipos; 3) Criar um modelo inteligente de decisão de gerenciamento da soja que integre fusão de dados multimodais para otimizar o gerenciamento da produção; e 4) Projetar modelos adaptativos de domínio para previsão de produtividade e análise de plantas para melhorar a generalização das estratégias de gerenciamento em ambientes diversos. Ao integrar aprendizado de máquina com fusão de dados multimodais, este projeto colaborativo Brasil-China visa elevar o nível de gerenciamento da produção de soja e fornecer conhecimentos para a aplicação dessas tecnologias. (AU)