Busca avançada
Ano de início
Entree

Radar transportado por drone para agricultura de precisão na cana de açúcar

Processo: 17/19416-3
Modalidade de apoio:Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
Vigência: 01 de novembro de 2018 - 31 de dezembro de 2020
Área do conhecimento:Interdisciplinar
Convênio/Acordo: IBM Brasil
Pesquisador responsável:Hugo Enrique Hernández Figueroa
Beneficiário:Hugo Enrique Hernández Figueroa
Instituição Sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Empresa Sede: IBM Brasil - Indústria, Máquinas e Serviços Ltda
Município: Rio de JaneiroCampinas
Instituição parceira: Ministério da Agricultura, Pecuária e Abastecimento (Brasil). Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA). Embrapa Informática Agropecuária
Pesquisadores principais:
Barbara Janet Teruel Mederos
Bolsa(s) vinculada(s):18/12726-0 - Radar transportado por drone para agricultura de precisão na cana de açúcar, BP.MS
18/14690-2 - Radar transportado por drone para agricultura de precisão na cana de açúcar, BP.MS
Assunto(s):Agricultura de precisão  Biomassa  Cana-de-açúcar  Umidade do solo  Radar 
Palavra(s)-Chave do Pesquisador:biomass | crop morphology | Drone-borne radar imagery | precision agriculture | Soil moisture | sugarcane | Precision Agriculture

Resumo

A agricultura de precisão é uma ferramenta poderosa para o aumento e redução de custos da produção de cana-de-açúcar. Representou 27% do PIB em 2012 e o Estado de São Paulo tem a maior produção no Brasil. Este projeto de pesquisa apresenta uma estratégia de agricultura de precisão com uma nova metodologia de sensoriamento remoto que permite o aumento da produção de cana em pelo menos 30% e uma redução dos custos de produção em pelo menos 20%. Esses benchmarks de melhoria são os critérios de sucesso desse projeto. A abordagem baseia-se no uso de um sistema de levantamento de dados transmitido por drone, DBSS, que transporta câmeras óticas e também um radar de imagem polarimétrico, interferométrico e multibanda. O DBSS pode fornecer mapas da umidade do solo e da classificação da cana de açúcar e da biomassa além das imagens óticas e de radar de uma maneira mais rápida, mais barata e melhor do que os sistemas de satélite, aeronave e sistemas transmitidos por drone do estado da arte disponíveis no mercado. Ferramentas de software serão desenvolvidas para gerar mapas de erva daninha, de déficit de crescimento e de previsão de produção da plantação de cana-de-açúcar a partir dos dados DBSS. O gerente da plantação de cana-de-açúcar será treinado para realizar as ações imediatas correspondentes. Uma avaliação extensiva da metodologia será realizada comparando os resultados do DBSS com os conjuntos de dados verdadeiros do campo do trabalho de campo. Os entregáveis serão o software para gerar o conjunto de mapas e o procedimento de agricultura de precisão para o gerente da plantação de cana-de-açúcar. Além disso, toda a documentação sobre o projeto, incluindo o DBSS, o trabalho de campo e os dados de avaliação estarão disponíveis como códigos abertos e conjuntos de dados abertos. Duas unidades da Universidade de Campinas, a Faculdade de Engenharia Elétrica e de Computação (líder do projeto) e a Faculdade de Engenharia Agrícola, juntamente com a T-Jump Tecnologia Ltda., uma empresa de pequeno porte e desenvolvedora do recém lançado DBSS, que realizará o levantamento e entrega de dados sem nenhum custo ao orçamento do projeto. A metodologia proposta fornece informações adicionais ao gerente de produção de cana-de-açúcar e pode ser complementada por várias outras fontes de informação. Entende-se que o gerenciamento global de uma fazenda ou site de produção é um mercado potencial para a IBM, como um fornecedor de soluções de software. Além disso, a economia agrícola está crescendo continuamente e precisa de pacotes de software mais complexos e extensivos para gerenciamento geral. O tema de pesquisa tem o potencial de um grande impacto científico por ser multidisciplinar, abrangendo áreas de automação, sensoriamento remoto, processamento de sinal e imagem, reconhecimento de padrões, interação de ondas eletromagnéticas com a vegetação e solo, engenharia agrícola, geologia e engenharia de produção. É prevista uma ampla divulgação e uso da propriedade intelectual, pois este trabalho e software desenvolvido estarão disponíveis como fonte aberta. Dois estudantes de mestrado estarão totalmente envolvidos. Nossos resultados têm o potencial de ser publicados em revistas de alto impacto científico nas áreas de eletrônica e engenharia aeroespacial, ondas eletromagnéticas, sensoriamento remoto, agronomia e geologia. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (7)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
ORE, GIAN; SANTOS, ALEXANDRE; UKAN, DANIELE; ZANETTI, RONALD; CAMARGO, MARIANE; OLIVEIRA, LUCIANO P.; HERNANDEZ-FIGUEROA, HUGO E.; IEEE. ANT NESTS DETECTION IN INDUSTRIAL FORESTS BY SAR P-BAND TOMOGRAPHY. 2022 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM (IGARSS 2022), v. N/A, p. 4-pg., . (17/19416-3, 18/00601-8)
MOREIRA, LAILA; CASTRO, FELICIO; GOES, JULIANA A.; BINS, LEONARDO; TERUEL, BARBARA; FRACAROLLI, JULIANA; CASTRO, VALQUIRIA; ALCANTARA, MARLON; ORE, GIAN; LUEBECK, DIETER; et al. A Drone-borne Multiband DInSAR: Results and Applications. 2019 IEEE RADAR CONFERENCE (RADARCONF), v. N/A, p. 6-pg., . (17/19416-3, 18/00601-8)
ORE, GIAN; ALCANTARA, MARLON S.; GOES, JULIANA A.; OLIVEIRA, LUCIANO P.; YEPES, JHONNATAN; TERUEL, BARBARA; CASTRO, VALQUIRIA; BINS, LEONARDO S.; CASTRO, FELICIO; LUEBECK, DIETER; et al. Crop Growth Monitoring with Drone-Borne DInSAR. REMOTE SENSING, v. 12, n. 4, . (17/19416-3, 18/00601-8)
GOES, JULIANA A.; CASTRO, VALQUIRIA; BINS, LEONARDO SANT'ANNA; HERNANDEZ-FIGUEROA, HUGO E.; IEEE. 3D Fast Factorized Back-Projection in Cartesian Coordinates. 2020 IEEE RADAR CONFERENCE (RADARCONF20), v. N/A, p. 6-pg., . (17/19416-3, 18/00601-8)
LUEBECK, DIETER; WIMMER, CHRISTIAN; MOREIRA, LAILA F.; ALCANTARA, MARLON; ORE, GIAN; GOES, JULIANA A.; OLIVEIRA, LUCIANO P.; TERUEL, BARBARA; BINS, LEONARDO S.; GABRIELLI, LUCAS H.; et al. Drone-Borne Differential SAR Interferometry. REMOTE SENSING, v. 12, n. 5, . (18/00601-8, 17/19416-3)
ORE, GIAN; ALCANTARA, MARLON S.; GOES, JULIANA A.; TERUEL, BARBARA; OLIVEIRA, LUCIANO P.; YEPES, JHONNATAN; CASTRO, VALQUIRIA; BINS, LEONARDO S.; CASTRO, FELICIO; LUEBECK, DIETER; et al. Predicting Sugarcane Harvest Date and Productivity with a Drone-Borne Tri-Band SAR. REMOTE SENSING, v. 14, n. 7, p. 24-pg., . (17/19416-3, 18/00601-8)
JHONNATAN YEPES; GIAN ORÉ; MARLON S. ALCÂNTARA; HUGO E. HERNANDEZ-FIGUEROA; BÁRBARA TERUEL. CLASSIFICATION OF SUGARCANE YIELDS ACCORDING TO SOIL FERTILITY PROPERTIES USING SUPERVISED MACHINE LEARNING METHODS. Engenharia Agrícola, v. 42, n. 5, . (18/00601-8, 17/19416-3)

Por favor, reporte erros na lista de publicações científicas utilizando este formulário.
X

Reporte um problema na página


Detalhes do problema: