Detecção de Materiais Plásticos em Ambientes Agrícolas por Meio de Inteligência Artificial

• Processo: 24/08841-9
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de julho de 2024
• Data de Término da vigência: 30 de junho de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Acordo de Cooperação: BRASKEM
• Pesquisador responsável: Rubens Augusto Camargo Lamparelli
• Beneficiário: Igor Engelmann Batista
• Instituição Sede: Núcleo Interdisciplinar de Planejamento Energético (NIPE). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Empresa: Universidade Estadual de Campinas (UNICAMP). Núcleo Interdisciplinar de Planejamento Energético (NIPE)
• Vinculado ao auxílio: 21/05251-8 - Centro de Engenharia da Plasticultura (CEP), AP.PCPE
• Assunto(s): Aprendizagem profunda Inteligência artificial Plasticultura Sensoriamento remoto Visão computacional
• Palavra(s)-Chave do Pesquisador: Deep Learning | Inteligência Artificial | Plasticultura | Redes neurais | Sensoriamento Remoto | Visão Computacional | Visão Computacional

Resumo

O uso de plástico na agricultura tem aumentado a produtividade das lavouras ou a qualidade dos produtos. Entretanto, existe uma lacuna informacional sobre sua distribuição no Brasil. Uma solução para essa situação pode residir na aplicação de tecnologias de Visão Computacional impulsionadas por IA para analisar imagens de satélite das culturas, com o objetivo de mapear estruturas plásticas em áreas agrícolas. Nosso objetivo é desenvolver um modelo aprimorado de visão computacional utilizando soluções de IA baseadas em aprendizado profundo, adaptadas para identificar estruturas plásticas em ambientes agrícolas com métricas superiores às encontradas na literatura. Também buscamos melhorar a integração desses sistemas de reconhecimento de imagens com Sistemas de Informação Geográfica (SIG) para aprimorar a qualidade dos dados para o planejamento de rotas da Economia Circular e gestão sustentável de recursos. Para atingir esse objetivo, a rede selecionada será treinada com imagens rotuladas de áreas de cultivo de melão que utilizam cobertura plástica. Selecionamos a região de interesse nos estados do Rio Grande do Norte e Ceará, no Brasil, devido à significativa área de plasticultura e aos desafios computacionais impostos pelas condições de manejo e climáticas aplicadas. O resultado esperado é um modelo de RNA com eficiência consistente em diferentes níveis de luminosidade e condições ambientais, tornando-o aplicável em diversos locais e contextos.