Sistema especialista para diagnóstico e predição de infestações e falhas em áreas de cultivo de cana-de-açúcar

Resumo

Existe uma preocupação crescente entre os produtores de cana-de-açúcar em aumentar a produtividade e reduzir as perdas devido a infestações de pragas, doenças, plantas daninhas e falhas derivadas de operação mecanizada, que interferem diretamente no desenvolvimento da cultura. Os métodos atuais para a identificação das áreas de baixa produtividade são baseados principalmente em imagens coletadas por Vants, mas esta abordagem apresenta limitações técnicas devido ao grande volume de dados coletados, necessidade de infraestrutura robusta, dificuldade e tempo de processamento, elevado tempo entre aquisição e entrega do resultado, alto custo de operação e falta de pessoal qualificado. Esta pesquisa propõe desenvolver procedimentos metodológicos baseados em aprendizado de máquinas, para estabelecer a associação entre a manifestação do problema (comportamento dinâmico das manchas de baixa produtividade, e elementos do contexto) com sua causa (diagnóstico), integrando as abordagens "multisensor orbital" e "autômatos celulares" para modelar e predizer a evolução, e/ou manifestação, dos problemas em talhões canavieiros ao longo da safra; considerando a influência dos principais condicionantes do meio físico, meteorológicos e de manejo que contribuem para sua ocorrência. Também visa desenvolver ferramenta de monitoramento sistemático dos problemas na lavoura, baseado na integração do processo de prognóstico com o diagnóstico, a fim de promover agilidade na identificação das causas, estimar os prejuízos, e direcionar as ações corretivas. Os resultados alcançados nessa plataforma irão compor uma interface administrativa para gerenciar as análises em uma interface Web em formato de relatórios e painéis de gestão interativos com a apresentação da informação em diferentes níveis de contexto. (AU)