Adaptação de domínio com transferência de aprendizado para predição da produtividade da soja

• Processo: 25/10840-3
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de agosto de 2025
• Data de Término da vigência: 31 de julho de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Zhao Liang
• Beneficiário: André Oliveira Françani
• Instituição Sede: Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto (FFCLRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil
• Vinculado ao auxílio: 24/15430-5 - Fusão de dados multimodais e modelagem de crescimento baseados em aprendizado de máquina para melhoria da produção de soja, AP.PFPMCG.TEM
• Assunto(s): Aprendizagem profunda Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Adaptação de Domínio | Aprendizado profundo | Dados multiespectrais | Inteligência Artificial | Predição da produtividade da soja | Transferencia de Aprendizado | Inteligência Artificial, Agricultura Digital

Resumo

A predição precisa e generalizável da produtividade agrícola ainda enfrenta desafios, especialmente em regiões com grande diversidade geográfica e ambiental. Este projeto busca desenvolver modelos de aprendizado profundo para estimar a produtividade da soja, empregando estratégias de transferência de aprendizado e adaptação de domínio para lidar com essa variabilidade agrícola. Utilizando dados de sensores multiespectrais e hiperespectrais, pretende-se desenvolver modelos robustos capazes de transferir conhecimento entre diferentes domínios. A pesquisa incorpora técnicas de regularização, adaptação de domínio não supervisionada e outras abordagens de aprendizado profundo, como aumento de dados e inteligência artificial explicável. Espera-se desenvolver modelos preditivos precisos, aplicáveis a diferentes condições agrícolas, que apoiem a tomada de decisão orientada por dados para uma produção agrícola mais assertiva e sustentável.