Análises espaciais para viabilizar a Economia Circular na Plasticultura

• Processo: 24/06854-6
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Vigência (Início): 01 de junho de 2024
• Vigência (Término): 31 de maio de 2026
• Área do conhecimento: Interdisciplinar
• Acordo de Cooperação: BRASKEM
• Pesquisador responsável: Rubens Augusto Camargo Lamparelli
• Beneficiário: Marlon Fernandes de Souza
• Instituição Sede: Núcleo Interdisciplinar de Planejamento Energético (NIPE). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Empresa Sede: Universidade Estadual de Campinas (UNICAMP). Núcleo Interdisciplinar de Planejamento Energético (NIPE)
• Vinculado ao auxílio: 21/05251-8 - Proposta de criação do Centro de Engenharia de Plasticultura, AP.PCPE
• Assunto(s): Economia circular Engenharia agrícola Logística reversa Plasticultura Sensoriamento remoto Visão computacional Geoprocessamento
• Palavra(s)-Chave do Pesquisador: economia circular | Engenharia agrícola | Logística Reversa | Plasticultura | Sensoriamento Remoto | Visão Computacional | Geoprocessamento

Resumo

A plasticultura tem transformado as paisagens agrícolas em algo mais industrial, principalmente na interface entre as áreas rurais e urbanas. De modo que esta atividade pode gerar alguns efeitos ambientais negativos, apesar dos seus benefícios para o desenvolvimento das culturas. Assim, o grupo de trabalho de Logística Reversa e Economia Circular do Centro de Engenharia de Plasticultura (CEP) está pesquisando soluções para apoiar a circularidade nesta importante cadeia de produção de alimentos. O grupo decidiu começar com a estruturação dos dados sobre a plasticultura, pois existe uma significativa lacuna de informações. Nós iremos aplicar Inteligência Artificial (IA) em imagens de Sensoriamento Remoto (SR) para identificar áreas agrícolas com mulching plástico (PMF) e estufas plásticas (PGH), explorando técnicas de visão computacional com algoritmos de aprendizado de máquina (ML). O avanço do ML inaugurou uma nova era de análise para grandes conjuntos de imagens, e as abordagens de aprendizagem profunda (DL) têm estado na vanguarda desses esforços. O desempenho em muitas tarefas de SR utilizando dados de satélite em grande escala melhorou significativamente. A detecção remota pode mapear as estruturas plásticas utilizadas na agricultura, possibilitando localizar e estimar a quantidade de Resíduos Plásticos Agrícolas (RPA) gerados. Além disso, um sistema de informação geográfica (SIG) é apropriado para organizar e apresentar este conjunto de dados. O SIG permite mostrar a localização precisa da plasticultura e o contexto da vizinhança. Assim, a combinação de SR e SIG permite avaliar a infraestrutura existente e propor sistemas de logística reversa. As informações sobre RPA possibilitam verificar se os resíduos poderiam ser reciclados utilizando a infraestrutura próxima ou se novas infraestruturas seriam necessárias. Portanto, o objetivo principal deste projeto de pós-doutorado é gerar conjuntos de dados, modelos e métodos para apoiar a circularidade na cadeia da plasticultura. (AU)