Busca avançada
Ano de início
Entree

Agricultura ciente de ambiente: raciocínio sobre estrutura tridimensional no campo de cultivo (AACr3)

Processo: 17/19282-7
Linha de fomento:Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
Vigência: 01 de abril de 2018 - 31 de março de 2020
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
Convênio/Acordo: IBM Brasil
Pesquisador responsável:Thiago Teixeira Santos
Beneficiário:Thiago Teixeira Santos
Instituição-sede: Embrapa Informática Agropecuária. Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA). Ministério da Agricultura, Pecuária e Abastecimento (Brasil). Campinas, SP, Brasil
Empresa: IBM Brasil - Indústria, Máquinas e Serviços Ltda
Pesquisadores principais:Eric Rohmer
Pesq. associados: Celina Maki Takemura ; Jayme Garcia Arnal Barbedo ; João Camargo Neto ; Kleber Xavier Sampaio de Souza ; Leonardo Ribeiro Queirós ; Luciano Vieira Koenigkan ; Luís Henrique Bassoi
Assunto(s):Aprendizado computacional  Visão computacional  Automação  Agricultura  Agricultura de precisão  Imagem tridimensional 

Resumo

Automação em ambientes internos e urbanos geralmente depende de ambientes estruturados ou semiestruturados. Das linhas de montagem industriais robotizadas à navegação automotiva ciente do tráfego urbano, algum conhecimento da estrutura do ambiente é empregado na prestação de serviços automatizados. No entanto, os ambientes naturais e agrícolas carecem de dados estruturados, restringindo a automação no campo a maquinário agrícola com algum nível limitado de operação autônoma. A aquisição desses dados tinha custos proibitivos até recentemente, considerando-se o relativo baixo custo dos produtos agrícolas, mas a combinação de recentes avanços em visão computacional e sensores acessíveis está mudando este cenário. O objetivo desta proposta é a recuperação automatizada da estrutura 3-D geo-referenciada de campos de cultivo e a detecção e classificação de objetos de interesse, tais como terreno, plantas, folhas e frutos, a partir do estado da arte em técnicas de visão e inteligência artificial. Resultados preliminares mostram que o imageamento tridimensional é uma forma viável e versátil de capturar e avaliar o estado de plantas e o ambiente da cultura. Nesta proposta, o sensoriamento remoto proximal será realizado por plataformas móveis que transportam sensores (câmeras e scanners LiDAR). Grandes conjuntos de dados visuais serão a entrada de um sistema de visão estéreo múltipla que irá construir modelos tridimensionais da cultura, na forma de nuvens de pontos 3-D ('point clouds'). Algoritmos de visão computacional e aprendizado de máquina serão empregados na detecção e classificação de objetos de interesse, e informações como características das plantas, variação espacial na cultura e outras medidas serão devidamente estimadas a partir dessas nuvens. Parcelas de três culturas diferentes (incluindo culturas de grãos e fruticultura) serão sensoreadas e estruturadas em momentos diferentes, capturando vários estágios de desenvolvimento das plantas. Este projeto irá integrar tecnologias de ponta em imageamento, robótica e visão computacional em uma metodologia completa para a aquisição da estrutura 3-D de campos de cultivo, abordando problemas em automação e computação de alto desempenho. Métodos baseados em aprendizagem de máquina para a extração de padrões e características a partir desses dados serão desenvolvidas e avaliadas contra metodologias tradicionais utilizadas em pesquisa agrícola. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
FAPESP e IBM apoiam projetos de agricultura digital 
Matéria(s) publicada(s) no blog Pesquisa para Inovação FAPESP sobre o auxílio:
FAPESP e IBM apoiam projetos de agricultura digital