Arquiteturas Neurais Leves para Melhorar a Produção de Cana-de-Açúcar no Brasil

• Processo: 24/00202-7
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Data de Início da vigência: 09 de dezembro de 2024
• Data de Término da vigência: 08 de março de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: João Paulo Papa
• Beneficiário: João Paulo Papa
• Pesquisador Anfitrião: Hermano Igo Krebs
• Instituição Sede: Faculdade de Ciências (FC). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru , SP, Brasil
• Instituição Anfitriã: Massachusetts Institute of Technology (MIT), Estados Unidos
• Vinculado ao auxílio: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria, AP.CEPID
• Assunto(s): Aprendizagem profunda
• Palavra(s)-Chave do Pesquisador: Aprendizado profundo | Redes neurais leves | Aprendiza de máquina

Resumo

O Brasil é o maior produtor de cana-de-açúcar e exportador de seus derivados, uma importante atividade econômica. O controle de plantas daninhas precisa ser adequado, dado que herbicidas são muito propensos a danificar toda a cultura. O problema é ainda pior no caso de plantas perenes, como é o caso da cana-de-açúcar, dado que não realizar a limpeza do solo após a colheita é uma prática bastante empregada. A cultura e as plantas daninhas geralmente se misturam, tornando a sua diferenciação automática um grande desafio. Este projeto de pesquisa propõe a avaliação e desenvolvimento de novas arquiteturas neurais leves que podem efetivamente detectar plantas daninhas em culturas de cana-de-açúcar e serem eficientemente aplicadas em tempo real como um dispositivo de monitoramento em campo.