Classificação de áreas infestadas com nematoides baseada em algoritmo de aprendizado de máquina utilizando imagens multiespectrais Planet

• Processo: 23/11289-3
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de novembro de 2023
• Data de Término da vigência: 31 de dezembro de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Geociências - Geodésia
• Pesquisador responsável: Aluir Porfírio Dal Poz
• Beneficiário: Maria Angélica Padovani Ederli
• Instituição Sede: Faculdade de Ciências e Tecnologia (FCT). Universidade Estadual Paulista (UNESP). Campus de Presidente Prudente. Presidente Prudente , SP, Brasil
• Vinculado ao auxílio: 21/06029-7 - Sensoriamento remoto de alta resolução para agricultura digital, AP.TEM
• Bolsa(s) vinculada(s): 24/06421-2 - Classificação de áreas infestadas por nematóides em plantação de soja usando imagens multiespectrais: Comparação de algoritmos de aprendizado de máquina, BE.EP.IC
• Assunto(s): Agricultura de precisão Aprendizado computacional Nematoides Fotogrametria
• Palavra(s)-Chave do Pesquisador: Agricultura de precisão | Aprendizado de Máquina | Imagens Multiespectrais | nematóides | Fotogrametria

Resumo

Identificar com exatidão a ocorrência de nematoides nas plantações é crucial para evitar prejuízos na produtividade das culturas. No entanto, o diagnóstico adequado exige uma grande quantidade de amostras de solo e raiz em toda a área cultivada, o que acarreta em altos custos. A utilização de Sensoriamento Remoto e Fotogrametria possibilita a detecção e mapeamento preciso de infestações por nematoides em culturas de soja. As tecnologias avançadas da Agricultura de Precisão promovem a otimização e automação dos processos agrícolas, trazendo benefícios para a produção e o meio ambiente. O objetivo do estudo é investigar como as imagens multiespectrais do Planet podem ser aplicadas para detectar áreas afetadas por nematoides em plantações de soja. Além disso, busca-se desenvolver um método utilizando técnicas de aprendizado de máquina para classificar essas áreas de acordo com o nível de infestação dos nematoides. A área de estudo localiza-se em uma fazenda experimental em Caiuá (SP), sendo o foco principal deste estudo as parcelas com cultivares de soja. Serão utilizados diversos índices de vegetação, como o Índice de Vegetação por Diferença Normalizada, Índice de Vegetação do Grupo Verde Normalizado,além de ser testado o Índice de Fitonematoides e Nematoides de Vida Livre. O algoritmo Random Forest será aplicado para a classificação das áreas, e as métricas de desempenho serão utilizadas para avaliar o modelo proposto. O resultado será um mapa temático que indicará visualmente as áreas com diferentes níveis de infestação, fornecendo informações úteis para o manejo das plantações.