Mapas de fenótipo de produção de cafezal

• Processo: 16/15511-9
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de fevereiro de 2018
• Data de Término da vigência: 31 de outubro de 2018
• Área do conhecimento: Engenharias - Engenharia Elétrica
• Pesquisador responsável: Jaime Armando Delgado Vargas
• Beneficiário: Jaime Armando Delgado Vargas
• Empresa: FITOMAP - Mapeamento Agrícola Ltda. - ME
• Bolsa(s) vinculada(s): 18/03308-0 - Mapas de fenótipo de produção de cafezal, BP.TT; 17/26557-2 - Mapas de fenótipo de produção de cafezal, BP.TT; 17/26677-8 - Mapas de fenótipo de produção de cafezal, BP.PIPE
• Assunto(s): Aprendizado computacional Robótica Agricultura de precisão Fruticultura Cafeicultura Administração agrícola
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Fruticultura | Gpu | odometria visual | Robótica móvel | Visão Estereoscópica | Agricultura de precisão

Resumo

A automatização de processos agrícolas visa aumentar eficiência e precisão da produção com o menor custo. O monitoramento de uma plantação permite o planejamento fitossanitário e a previsão de safra de uma propriedade. Há também, um impacto na qualidade da colheita e consequentemente no retorno monetário ao agricultor. Em plantações de café o planejamento fitossanitário e previsão de safra dependem do monitoramento de pragas, doenças e do índice fenológico de produção do cafeeiro. Na previsão de safra o nível de maturidade dos frutos no cafezal indica o melhor momento para colheita, tendo impacto direto na qualidade, sabor, aroma e preço do café frente ao mercado mundial. Técnicas tradicionais de monitoramento para estimar a próxima safra constituem processos manuais, susceptíveis a distrações e inferências subjetivas. Mesmo com técnicas que consigam estimar o atual estado da planta de café, continua sendo uma tarefa laboriosa, imprecisa e lenta devido às medições feitas por operários humanos. Este processo é inviável para o monitoramento permanente de plantações extensas. Visando atender a necessidade de conhecer a qualidade e quantidade da safra pré-colheita, é proposta uma solução composta por mapeamento automático da plantação, processamento de imagens, algoritmos de classificação e reconhecimento de padrões. (AU)