Desenvolvimento de sistema aplicado à Agricultura de Precisão para detecção em tempo real de plantas de soja e plantas daninhas em ambiente controlado utilizando imagens multi espectrais e inteligência artificial

• Processo: 22/15921-3
• Modalidade de apoio: Bolsas no Brasil - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de dezembro de 2022
• Data de Término da vigência: 31 de agosto de 2023
• Área de conhecimento: Ciências Agrárias - Engenharia Agrícola - Máquinas e Implementos Agrícolas
• Pesquisador responsável: Leonardo Bruno Renzo Milani
• Beneficiário: Leonardo Bruno Renzo Milani
• Empresa: Agrio Tecnologia Ltda
• CNAE: Desenvolvimento de programas de computador sob encomenda ; Consultoria em tecnologia da informação ; Serviços de engenharia
• Vinculado ao auxílio: 22/06153-2 - Desenvolvimento de sistema aplicado à agricultura de precisão para detecção em tempo real de plantas de soja e plantas daninhas em ambiente controlado utilizando imagens multi espectrais e inteligência artificial, AP.PIPE
• Assunto(s): Agricultura de precisão Inteligência artificial Visão computacional Simulação em tempo real Plantas daninhas Soja Herbicidas
• Palavra(s)-Chave do Pesquisador: Agricultura | Imagens multi espectrais | Inteligência Artificial | Plantas Daninhas | Pulverização seletiva | Visão Computacional | Agricultura de Precisão

Resumo

Atualmente, a Agricultura de Precisão (AP) destaca-se como uma das áreas mais promissoras para o desenvolvimento de tecnologias no país. Algumas tecnologias advindas dessa área incluem, por exemplo, o mapeamento de áreas de produtividade e o desenvolvimento de sensores e sistemas para análises do solo e do clima, sempre visando o uso inteligente dos recursos durante o manejo das culturas e auxiliando o produtor durante as etapas de tomada de decisão. Dentre os problemas da agricultura moderna, está o uso intensivo e de forma não localizada de herbicidas, que além de ser prejudicial ao meio ambiente, contribui para o desenvolvimento de plantas daninhas resistentes aos defensivos aplicados em campo. Visando contornar este problema, o presente projeto visa, através de métodos de Visão Computacional e Inteligência Artificial (IA), o desenvolvimento de uma prova de conceito que seja capaz de obter imagens do plano superior de plantas em diferentes comprimentos de onda e em ambiente controlado, construir imagens multiespectrais com as imagens espectrais obtidas individualmente e classificar as plantas presentes nas imagens em plantas de soja ou plantas daninhas, de forma com que todo o processo ocorra em tempo real. Para a obtenção das imagens multiespectrais, serão desenvolvidas duas abordagens: A primeira utilizando quatro câmeras com sensor CMOS (do inglês, Complementary Metal Oxide Semiconductor ) monocromático e quatro filtros individuais cobrindo cada sensor; A segunda utilizando uma câmera com sensor CMOS monocromático acoplado a um filtro multiespectral feito sob medida. As imagens obtidas durante os experimentos serão utilizadas para a construção de um banco de imagens multiespectrais contendo as classes soja e erva daninha que posteriormente serão utilizadas para treinar uma Inteligência Artificial para tarefas de detecção e classificação. Sistemas embarcados serão utilizados para controlar a captura de imagens espectrais, construir as imagens multiespectrais e realizar a detecção de plantas daninhas e plantas de soja nessas imagens. Com isso, ao final do projeto, espera-se obter uma prova de conceito para a detecção de plantas daninhas e plantas de soja em ambiente controlado e em tempo real utilizando imagens multiespectrais, possibilitando o escalonamento da tecnologia no futuro visando o desenvolvimento de um sistema interligado em tratores pulverizadores de marcas consolidadas, contribuindo assim com a redução nos custos do produtor com herbicidas, redução nos danos causados ao meio ambiente por esses defensivos quando utilizados de maneira generalizada e prevenindo o surgimento de novos casos de plantas daninhas resistentes aos herbicidas amplamente utilizados em campo. (AU)