Detecção automática de anomalias em folhas e frutos em plantações de café

• Processo: 22/01651-4
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de março de 2022
• Data de Término da vigência: 28 de fevereiro de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Jose Angelo Gurzoni Junior
• Beneficiário: Jeovane Honório Alves
• CNAE: Cultivo de café
• Vinculado ao auxílio: 19/23048-5 - Sistema embarcado para monitoramento da produtividade, maturação e anomalias em plantações de café, AP.PIPE
• Assunto(s): Produção vegetal Cafeicultura Controle de pragas Detecção de anomalias Processamento de imagens Aprendizado computacional Estado da arte
• Palavra(s)-Chave do Pesquisador: café | Deteção de Folhas | detecção de anomalias | Detecção de Frutos | Sensores Automáticos | Visão Computacional e Inteligência Artificial

Resumo

São diversas as pragas que afetam o desenvolvimento e a produtividade do café, ocasionando perdas econômicas significativas. Métodos preventivos tradicionais para o controle de pragas, que consistem na aplicação antecipada de defensivos em épocas ou climas típicos do seu aparecimento, geram desperdícios e podem ocasionar desequilíbrios que favorecem o aparecimento de outras pragas. Este projeto de pesquisa tem como objetivo aplicar o estado da arte em técnicas de processamento de imagem e aprendizado de máquina na detecção precoce de anomalias em pomares cafeeiros através da classificação de aspectos de folhas, frutos e sua contextualização com o estágio da safra e clima. Entre as características das folhas, este trabalho buscará identificar e correlacionar manchas e alterações de coloração, indícios importantes da presença de pragas e doenças, com os eventos de aparecimento e severidade das anomalias. Contudo, estas manchas e alterações são sutis e demandarão o desenvolvimento de algoritmos de estado da arte em visão computacional, capazes de aprender e buscar nas imagens padrões sutis e multivariados. (AU)