Análise de estresses em culturas agrícolas por meio de aprendizado profundo e imagens de sensoriamento remoto e proximais

• Processo: 25/05985-2
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de junho de 2025
• Data de Término da vigência: 31 de maio de 2027
• Área de conhecimento: Interdisciplinar
• Pesquisador responsável: Jayme Garcia Arnal Barbedo
• Beneficiário: Letícia Ferrari Castanheiro
• Instituição Sede: Embrapa Agricultura Digital. Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA). Ministério da Agricultura, Pecuária e Abastecimento (Brasil). Campinas , SP, Brasil
• Vinculado ao auxílio: 22/09319-9 - Centro de Ciência para o Desenvolvimento em Agricultura Digital - CCD-AD/SemeAr, AP.CCD
• Assunto(s): Aprendizado computacional Fitopatologia Imagem digital Inteligência artificial Pragas
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Fitopatologia | Imagens digitais | Imagens Hiperespectrais | Inteligência Artificial | Pragas | Inteligência artificial aplicada à saúde das culturas agrícolas

Resumo

O rápido diagnóstico de estresses em plantas de valor econômico é essencial para garantir a segurança alimentar e evitar prejuízos maiores decorrentes do alastramento desse mal. Dois problemas principais podem impedir esse objetivo: 1) o monitoramento permanente de todas as plantas por pessoas capazes de detectar os estresses é, na maioria das vezes, inviável; 2) em muitos casos a pessoa que detecta os sintomas não possui conhecimentos suficientes para identificar sua causa.Apesar de haver algumas soluções que exploram a tecnologia como um facilitador para um rápido diagnóstico, normalmente envolvendo uma base de dados de referência que pode ser consultada pelo usuário, o surgimento de sistemas realmente automáticos tem sido bastante lento, especialmente quando se considera a importância do problema. Isto ocorre não por falta de interesse dos pesquisadores, mas sim por falta de uma base de dados suficientemente abrangente para permitir o desenvolvimento de métodos realmente robustos de diagnóstico. Portanto, tão importante quanto o desenvolvimento da técnica em si, é a necessidade de se construir bases de dados que permitam uma completa validação dos métodos propostos.Assim, o presente projeto tem três objetivos principais: 1) Ampliar as bases de dados existentes com imagens contemplando uma ampla gama de condições, a fim de que modelos desenvolvidos sejam suficientemente robustos à variedade de situações encontradas na prática. Essas imagens deverão ser capturadas usando câmeras RGB presentes em aparelhos celulares e veículos aéreos não tripulados (VANTs).2) Desenvolver métodos capazes de fornecer um diagnóstico confiável a partir de uma imagem capturada usando os sensores considerados.3) Construir bancos de imagens usando outros tipos de sensores. Em particular, pretende-se construir uma base de imagens hiperespectrais, as quais têm grande potencial de detecção de estresses antes destes se manifestarem visualmente. O projeto focará nas áreas selecionadas como Distritos Agrotecnólogicos (DATs) no contexto do projeto Semear Digital (Centro de Ciência para o Desenvolvimento em Agricultura Digital - CCD-AD/SemeAr, processo Fapesp 2022/09319-9).