Localização e mapeamento semântico por sensoriamento multimodal proximal para automação agrícola

• Processo: 24/10267-9
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de maio de 2025
• Data de Término da vigência: 30 de abril de 2027
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Thiago Teixeira Santos
• Beneficiário: Dheeraj Bharti
• 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): Agricultura digital Visão computacional
• Palavra(s)-Chave do Pesquisador: agricultural automation | Digital agriculture | fruit growing | Localization and Mapping | Slam | visão computacional

Resumo

A falta de automação no cultivo de frutas e culturas perenes é um problema significativo na agricultura, especialmente considerando a disponibilidade cada vez menor de mão de obra. A fruticultura é uma atividade intensiva em trabalho, particularmente em tarefas como poda, amarração e colheita. Os agricultores frequentemente organizam esforços coletivos para atender à alta demanda de trabalho durante as safras, particularmente os agricultores familiares, cujas operações dependem fortemente do trabalho dos membros da família e da cooperação com vizinhos. A escassez de mão de obra representa um desafio significativo para esses agricultores e para a cadeia de suprimento de frutas, destacando a necessidade de automação para enfrentar a falta de trabalhadores temporários e aliviar as duras condições de trabalho no campo. Este problema foi identificado em distritos fruticultores (DATs) pelo Instituto de Economia Agrícola através do Projeto Semear, particularmente nos distritos de Vacaria (RS) e São Miguel Arcanjo (SP).Ao contrário da produção de frutas para fins industriais, como a produção de suco, o cultivo de frutas para o mercado de alimentos frescos exige um manuseio cuidadoso, pois até pequenos danos mecânicos podem reduzir significativamente os preços de venda para os agricultores. A combinação de automação em pomares, que são ambientes externos e semi-estruturados, com a necessidade de manipulação precisa das culturas, aponta para a necessidade de máquinas capazes de realizar localização e mapeamento semântico dos pomares. A localização e mapeamento simultâneos, conhecidos na literatura sobre robótica e visão computacional como SLAM, consiste na capacidade de um agente autônomo de mapear um ambiente desconhecido enquanto se localiza simultaneamente dentro desse mapa. O componente semântico envolve dividir o mapa em elementos significativos, como árvores, frutas, postes, grama, terra, etc., o que é essencial para tarefas como mapeamento de rendimento baseado em visão e colheita automatizada.Apesar do crescente interesse em SLAM agrícola, há uma falta de conjuntos de dados públicos e benchmarks para configurações agrícolas, ao contrário dos cenários urbanos impulsionados pela pesquisa sobre veículos autônomos. O presente plano de pesquisa visa reduzir essa lacuna, focando em (i) desenvolver um módulo de sensoriamento multimodal para a coleta de dados em grande escala em pomares, (ii) criar um conjunto de dados público para pesquisa de SLAM semântico em configurações de pomares, e (iii) estabelecer um benchmark para a avaliação e comparação de sistemas SLAM nesses ambientes.