Utilização de redes neurais e visão computacional para reconhecimento de características em campos agrícolas

• Processo: 20/11262-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Vigência (Início): 01 de dezembro de 2020
• Vigência (Término): 31 de agosto de 2023
• Área do conhecimento: Ciências Agrárias - Engenharia Agrícola
• Pesquisador responsável: Marcelo Becker
• Beneficiário: Lucas Toschi de Oliveira
• Instituição Sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Bolsa(s) vinculada(s): 22/13040-0 - Desenvolvimento de módulo de detecção para algoritmos de localização e mapeamento simultâneos com sensores visuais no contexto agrícola utilizando o robô comercial TerraSentia em parceria com a Universidade de Illinois (Urbana-Champaign), BE.EP.IC
• Assunto(s): Agricultura Aprendizagem profunda Robótica Visão computacional Mecatrônica Redes neurais (computação)
• Palavra(s)-Chave do Pesquisador: Agricultura | Deep Learning | Instrumentação e Mecatrônica | navegação autônoma | Robótica | sensoriamento | Visão Computacional | Robótica e Mecatrônica

Resumo

O crescimento da população mundial exige que os métodos e tecnologias empregados na produção de alimentos sejam cada vez mais eficientes, produzindo mais com menos espaço. A robótica autônoma é uma área cada vez mais pesquisada para auxiliar nesse problema. Entretanto, o desenvolvimento de um sistema de navegação autônomo eficiente, capaz de conduzir um robô a adentrar e se locomover em uma plantação, ainda é um desafio. Nesse contexto, algoritmos de SLAM (Simultaneous Localization And Mapping, traduzido para Localização e Mapeamento Simultâneos), que conseguem gerar um mapeamento local do ambiente, são potenciais objetos de estudo. Em meios dinâmicos, como o agrícola, esse método é mais suscetível a falhas, já que tipicamente se supõe que o entorno do robô não se modifica. Na busca de melhores resultados, a utilização de redes neurais na identificação dos objetos móveis, eliminando-os do processo de mapeamento, é uma alternativa promissora e é o principal foco deste projeto. Serão utilizadas as imagens captadas pelo TerraSentia, um robô móvel agrícola equipado com uma câmera monocular.