Notice: Function _load_textdomain_just_in_time was called incorrectly. Translation loading for the cookie-law-info domain was triggered too early. This is usually an indicator for some code in the plugin or theme running too early. Translations should be loaded at the init action or later. Please see Debugging in WordPress for more information. (This message was added in version 6.7.0.) in /home/u777645271/domains/souportugal.com/public_html/wp-includes/functions.php on line 6114
Cientistas de Coimbra testam sistemas inteligentes de monitorização de vinhas - SouPortugal
Tecnologia

Cientistas de Coimbra testam sistemas inteligentes de monitorização de vinhas

Uma equipe multidisciplinar, liderada por pesquisadores do Instituto de Sistemas e Robótica (ISR) da Faculdade de Ciências e Tecnologia da Universidade de Coimbra (FCTUC), explorou novas abordagens tecnológicas para a gestão de vinhas, abrindo portas ao desenvolvimento de sistemas de monitorização não invasivos e eficientes que permitem atuar de forma imediata e localizada em caso de doenças e pestes, melhorando a produção e diminuindo o impacto nocivo no meio ambiente.

O estudo, que teve a participação de investigadores do Instituto de Engenharia de Sistemas e Computadores de Coimbra (INESC Coimbra) e da Escola Superior Agrária de Coimbra (ESAC), foi realizado no âmbito do projeto Al+Green: Automação Inteligente na Agricultura de Precisão, financiado pelo MIT-Portugal e pela Fundação para a Ciência e a Tecnologia (FCT), que visa melhorar a precisão e a fiabilidade da monitorização e detecção de pestes e doenças em vinhas.

Durante 12 meses, foram estudadas três vinhas da região Centro – Coimbra, Valdoeiro e Quinta de Baixo – geridas segundo práticas convencionais, mas com características biofísicas diferentes. As abordagens exploradas e testadas pelos cientistas basearam-se em sistemas de Deep Learning (aprendizagem profunda, inteligência artificial), usando informação espácio-temporal obtida através de teledecteção (satélite) e drones.

“Este trabalho estudou as bandas espectrais e técnicas de segmentação mais apropriadas para a identificação de linhas de vinhas em imagens aéreas (por exemplo, capturadas por drones). É importante diferenciar píxeis pertencentes às videiras, de píxeis pertencentes a outros elementos (por exemplo, vegetação entre linhas), para evitar a contaminação de dados”, diz o pesquisador Tiago Barros.

“Ao evitar píxeis que não pertencem às videiras, obtêm-se estimativas mais fiáveis em tarefas como, por exemplo, estimação de colheita ou avaliação do vigor das plantas. Para tal, equipamos um drone com uma câmara multiespectral e uma câmara RGB de alta definição, que foram usadas para recolher informação espectral de três vinhas da zona Centro”, explicita.

Os resultados do estudo indicam, segundo o investigador do ISR, que os modelos de segmentação «baseados em Deep Learning têm melhor desempenho quando comparados com métodos clássicos. Em relação às bandas espectrais, a banda Near-Infrared é a banda que contribui para o melhor desempenho».

Segundo Tiago Barros, o estudo apresenta bons argumentos para o uso deste tipo de abordagem de câmara dupla para aquisição de dados, contribuindo para o avanço da agricultura de precisão.

“Promover uma agricultura mais eficiente é essencial para melhorar a qualidade e segurança alimentar sem comprometer a sustentabilidade ambiental. Este setor, embora tenha beneficiado, de forma modesta, de avanços tecnológicos de outros setores, tais como a indústria, robótica, veículos inteligentes, etc., continua a ser um setor predominantemente manual e pouco eficiente. A agricultura de precisão promove o uso de tecnologia (software e hardware) em aplicações como a proteção, monitorização e gestão agrícola”.

O estudo foi publicado na revista científica Computers and Electronics in Agriculture. O artigo científico, intitulado “Multispectral vineyard segmentation: A deep learning comparison study”, está disponível aqui.

 

 

 

 

Fonte: Mundo Lusíada

 

 

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *