Auxílio à pesquisa 17/19282-7 - Aprendizado computacional, Visão computacional - BV FAPESP
Busca avançada
Ano de início
Entree

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

Processo: 17/19282-7
Modalidade de apoio:Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
Data de Início da vigência: 01 de março de 2019
Data de Término da vigência: 31 de outubro de 2021
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
Acordo de Cooperação: 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
Município: Campinas
Instituição parceira: Ministério da Agricultura, Pecuária e Abastecimento (Brasil). Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA). Embrapa Instrumentação Agropecuária
Pesquisadores principais:
Eric Rohmer
Pesquisadores 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
Bolsa(s) vinculada(s):19/07863-0 - Compreensão de cenas em agricultura por redes neurais profundas, BP.IC
Assunto(s):Aprendizado computacional  Visão computacional  Automação  Agricultura  Agricultura de precisão  Imagem tridimensional 
Palavra(s)-Chave do Pesquisador:agricultural automation | Computer Vision | machine learning | machine reasoning | precision agriculture | 3-D imaging | visão computacional

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:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)