Utilizando inteligência computacional e VANTs para reduzir a deriva na aplicação de agrotóxicos

• Processo: 13/18859-8
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de maio de 2015
• Data de Término da vigência: 17 de abril de 2016
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Acordo de Cooperação: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
• Pesquisador responsável: Jó Ueyama
• Beneficiário: Bruno Squizato Faiçal
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Agricultura de precisão Inteligência artificial Sistemas distribuídos Aeronaves não tripuladas
• Palavra(s)-Chave do Pesquisador: Agricultura de precisão | Inteligência Artificial | Redes de Sensores Sem Fio | Veículos Aéreos Não Tripulados | Sistemas Distribuídos

Resumo

O uso de agrotóxicos na agricultura é essencial para uma produção de qualidade e em grande quantidade. A pulverização desses produtos através de aeronaves proporciona maior velocidade a esse processo e evitam a compactação do solo. Por outro lado, fatores meteorológicos (por exemplo, velocidade e direção do vento) podem prejudicar a aplicação do agrotóxico na área de cultivo alvo, causando a deriva do produto para áreas vizinhas. Acredita-se que a maior parte do agrotóxico utilizado sofre deriva para fora da área alvo e que apenas uma pequena porção é realmente efetiva para o controle de pragas. Portanto, se a pulverização agrícola for realizada com maior precisão é possível reduzir a quantidade de agrotóxico empregado e aumentar a qualidade no processo de cultivo, além de reduzir o impacto ambiental. Com o objetivo de propor um conjunto de conceitos que possam ser utilizados em arquiteturas distintas, este Projeto propõe um Framework, denominado IS-UAV, para a pulverização inteligente de agrotóxicos baseado em Veículo Aéreo Não Tripulado (VANT) em áreas de cultivo agrícola com objetivo de otimizar a cobertura da aplicação. Os conceitos propostos neste Projeto serão avaliados em um estudo de caso utilizando uma arquitetura composta por um VANT de asa rotativa e uma Rede de Sensores Sem Fio (RSSF) implantada ao redor da área de cultivo. Resultados preliminares demonstram que o uso de técnicas capazes de ajustar a política que corrige a rota do VANT às condições meteorológicas, proporciona uma pulverização mais precisa do que o uso de parâmetros estáticos definidos empiricamente. (AU)

Publicações científicas

(4)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

FAICAL, BRUNO S.; FREITAS, HEITOR; GOMES, PEDRO H.; MANO, LEANDRO Y.; PESSIN, GUSTAVO; DE CARVALHO, ANDRE C. P. L. F.; KRISHNAMACHARI, BHASKAR; UEYAMA, JO. An adaptive approach for UAV-based pesticide spraying in dynamic environments. COMPUTERS AND ELECTRONICS IN AGRICULTURE, v. 138, p. 210-223, JUN 1 2017. (13/18859-8, 15/21642-6, 14/10685-3)

UEYAMA, JO; FAICAL, BRUNO S.; MANO, LEANDRO Y.; BAYER, GUILHERME; PESSIN, GUSTAVO; GOMES, PEDRO H.. Enhancing reliability in Wireless Sensor Networks for adaptive river monitoring systems: Reflections on their long-term deployment in Brazil. COMPUTERS ENVIRONMENT AND URBAN SYSTEMS, v. 65, p. 41-52, SEP 2017. (13/18859-8)

FURQUIM, GUSTAVO; PESSIN, GUSTAVO; FAICAL, BRUNO S.; MENDIONDO, EDUARDO M.; UEYAMA, JO. Improving the accuracy of a flood forecasting model by means of machine learning and chaos theory. NEURAL COMPUTING & APPLICATIONS, v. 27, n. 5, p. 13-pg., 2016-07-01. (08/58161-1, 14/19076-0, 13/18859-8, 12/22550-0)

MANO, LEANDRO Y.; FAICAL, BRUNO S.; NAKAMURA, LUIS H. V.; GOMES, PEDRO H.; LIBRALON, GIAMPAOLO L.; MENEGUETE, RODOLFO I.; FILHO, GERALDO P. R.; GIANCRISTOFARO, GABRIEL T.; PESSIN, GUSTAVO; KRISHNAMACHARI, BHASKAR; et al. Exploiting IoT technologies for enhancing Health Smart Homes through patient identification and emotion recognition. COMPUTER COMMUNICATIONS, v. 89-90, p. 178-190, SEP 1 2016. (14/19076-0, 13/18859-8, 14/06330-5, 14/10685-3)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

FAIÇAL, Bruno Squizato. Utilizando a Inteligência Computacional para a Pulverização Precisa de Produtos Fitofarmacêuticos. 2016. Tese de Doutorado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.