Busca avançada
Ano de início
Entree

Desenvolvimento de um sistema automatizado para identificação de doenças de plantas baseado em imagens RGB e termais

Processo: 20/04791-6
Linha de fomento:Bolsas no Brasil - Pesquisa Inovativa em Pequenas Empresas - PIPE  
Vigência (Início): 01 de maio de 2020
Vigência (Término): 31 de janeiro de 2021
Área do conhecimento:Ciências Agrárias - Agronomia - Fitossanidade
Pesquisador responsável:Mateus Tonini Eitelwein
Beneficiário:Mateus Tonini Eitelwein
Empresa:Smart Consultoria Agronômica e Serviços Agrícolas Ltda
CNAE: Cultivo de soja
Vinculado ao auxílio:19/00433-0 - Desenvolvimento de um sistema automatizado para identificação de doenças de plantas baseado em imagens RGB e termais, AP.PIPE
Assunto(s):Doenças de plantas   Manejo integrado de pragas   Redes neurais convolucionais   Soja   Análise de imagens

Resumo

Doenças de plantas são responsáveis por diminuição da produtividade, problemas sociais e econômicos em diversos países do mundo, ocorrendo em múltiplos patossistemas. Quando o controle das doenças é deficiente em larga escala, torna-se uma epidemia, assim como ocorrido recentemente com a requeima do tomateiro nos Estados Unidos da América e a ferrugem do cafeeiro na América Central. Esses exemplos de duas condições de cultivo totalmente diferentes em questão de insumos e tecnologia empregadas, evidenciam que tanto em alto como em baixo nível tecnológico dos agricultores, epidemias são recorrentes, e que o monitoramento ainda é deficiente. Além disso, ambas doenças são de ocorrência antiga, e por isso bastante estudadas, mas mesmo assim continuam ocasionando quebras relevantes de produtividade. Devido a esses problemas, acreditamos que o monitoramento constante da intensidade de doenças nos cultivos é necessário, sendo um componente fundamental do denominado MID (Manejo Integrado de Doenças). O MID é raramente utilizado na Agricultura, devido a dificuldades e especificidades em suas avaliações. Para tanto, o presente projeto objetiva desenvolver algoritmos baseados em redes neurais convolucionais (CNN) que identifiquem doenças da soja o mais precocemente possível, utilizando tecnologia de análise de imagens. As doenças da soja serão utilizadas para desenvolvimento do presente projeto, devido a grande área cultivada, sua suscetibilidade a diversas doenças e a importância do custo do controle. Diferentes sensores ópticos para análises de imagens de doenças de plantas já foram utilizados, como RGB, espectrais, termais e de fluorescência. Dentre estes sensores, devido a revisão de literatura realizada, a tecnologia termal será avaliada visando a detecção precoce. Um produto comercial composto por uma câmera, sistema global de posicionamento, data logger e o algoritmo pode solucionar os problemas de avaliação da intensidade das doenças em lavouras comerciais e áreas experimentais, possibilitando o planejamento de aplicações de fungicidas mais assertivas, evitando perdas produtivas ou excesso de aplicações, além de estabelecer um padrão de avaliação independente do erro humano. O algoritmo a ser desenvolvido pode ser embarcado em maquinário específico, como um veículo terrestre com mobilidade coordenada na lavoura, realizando os levantamentos de intensidade de doença autonomamente. Para tal, é necessário que haja um algoritmo treinado com as diversas doenças que podem ocorrer na cultura da soja, e com diferentes tipos de câmeras para verificar a possibilidade de identificação precoce das doenças (quando os sintomas ainda não são visíveis). O potencial mercado consumidor deste produto é composto por médios a grandes produtores de soja, que compõem grande parte da Agricultura brasileira, podendo ser ampliado caso este projeto de viabilidade técnico-científica tenha sucesso e possa, em outra etapa, ser treinado para outros patossistemas com o conhecimento adquirido neste trabalho. A empresa SmartAgri pretende com este projeto, associado a outros já submetidos gerar uma plataforma digital para a Agricultura, baseado nas expertises do grupo de pesquisadores em Agricultura de precisão, agrometeorologia e doenças de plantas e aprendizado de máquina. (AU)