Sistema Web para Monitoramento de Armadilhas e Gerenciamento de Imagens Transmitidas via GPRS para Controle da Diatraea saccharalis na cultura da cana-de-açúcar

• Processo: 24/19261-3
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de abril de 2025
• Data de Término da vigência: 31 de março de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Rodrigo Palucci Pantoni
• Beneficiário: Olavo Lampa Costa
• Instituição Sede: Instituto Federal de Educação, Ciência e Tecnologia de São Paulo (IFSP). Campus Sertãozinho. Sertãozinho , SP, Brasil
• Assunto(s): Internet das coisas
• Palavra(s)-Chave do Pesquisador: broca-da-cana-de-açúcar | GPRs | IoT | PostgreSQL | Yolo | Teleinformática, Internet das Coisas

Resumo

Este projeto visa o desenvolvimento de um sistema para monitoramento e controle da broca-da-cana-de-açúcar (Diatraea saccharalis), uma praga que afeta cultivos como cana-de-açúcar e milho. Utilizando armadilhas do tipo delta com dispositivos IoT, o sistema será capaz de transmitir imagens dos insetos capturados via GPRS para um banco de dados na nuvem. O projeto envolve a criação de um sistema web com visualização das imagens e uso de tecnologias como JavaScript para a interface, PostgreSQL para o armazenamento de metadados, e buckets de armazenamento em nuvem, como Amazon S3, para guardar as imagens. As etapas do projeto incluem: (1) desenvolvimento do front-end e back-end em JavaScript utilizando a biblioteca ElysiaJS para criar APIs, (2) integração com requisições HTTPS para envio e recuperação de imagens, (3) implementação do banco de dados PostgreSQL para armazenar metadados e (4) configuração de buckets para o armazenamento seguro das imagens. Além disso, o projeto integrará um método de envio de imagens via GPRS e um algoritmo de detecção automática da praga em imagens, baseado na técnica YOLO, para contar os insetos capturados. A integração entre HTML/JavaScript e Python será feita por meio de requisições HTTP, utilizando frameworks como Flask ou Django para processar as imagens e fornecer respostas ao sistema. O resultado esperado é um sistema robusto para controle da infestação da broca-da-cana-de-açúcar, permitindo monitoramento eficiente e intervenções rápidas.