Mapeamento de plantas daninhas em cultura de batata-doce a partir de imagens de alta resolução espacial

• Processo: 23/13500-3
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de dezembro de 2023
• Data de Término da vigência: 30 de novembro de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Geociências - Geodésia
• Pesquisador responsável: Fernanda Sayuri Yoshino Watanabe
• Beneficiário: Alexandre Sossae de Souza
• 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
• Assunto(s): Agricultura de precisão Aprendizado computacional Classificação de imagens Fotogrametria Sensoriamento remoto
• Palavra(s)-Chave do Pesquisador: Agricultura de precisão | Aprendizado de Máquina | Classificação de Imagens | Fotogrametria | Imagens Multiespectrais | Sensoriamento Remoto | Sensoriamento Remoto

Resumo

A presença de plantas daninhas é um problema comum em lavouras, podendo causar queda da produção agrícola, uma vez que essa vegetação passa a competir com a cultura por recursos necessários para o desenvolvimento das plantas, como água, nutrientes e luz. O controle de plantas daninhas geralmente é feita por meio do uso de herbicidas, o que eleva os custos de produção de alimentos, além de gerar impactos à saúde pública e ao meio ambiente, bem como queda no rendimento agrícola quando aplicado em grandes quantidades. Neste contexto, a detecção precoce dessas plantas na lavoura permite que seja implementado um plano de manejo adequado para o controle dessas plantas, impedindo que uma infestação ocorra em toda a cultura, reduzindo o uso de herbicidas. O uso de imagens aéreas de alta resolução vem se tornando cada vez mais popular na detecção de plantas daninhas. Neste sentido, o objetivo do presente projeto é identificar plantas daninhas em uma área de cultivo comercial de batata-doce, em uma propriedade rural na região Oeste do Estado de São Paulo, a partir da classificação de imagens aéreas adquiridas da câmara multiespectral Agrowing, de 14 bandas, acoplada em um drone. O algoritmo de aprendizado de máquina Random Forest será treinado para detecção e mapeamento das plantas daninhas.