Quantificação de florada e maturação de frutos por imagem para análise e previsão de safra em cafeeiro

Resumo

Os mecanismos que influenciam a qualidade do café são complexos e envolvem fatores como genética, condições de cultivo, processamento pós-colheita, torra e preparo da bebida. Equipes multidisciplinares são necessárias para o desenvolvimento de pesquisas e tecnologias em pontos críticos e estratégicos dessa cadeia produtiva do café para que o agricultor tenha condições de tomar decisões assertivas para a obtenção de cafés de qualidade. Entretanto, a conexão entre todos esses fatores e a qualidade final da bebida ainda não foi explorada. Assim, aliando-se o uso de sensores e Internet das Coisas para coleta e cruzamento de dados da cadeia produtiva do café, informações precisas poderão ser acessadas por produtores que terão melhores condições de reprodutibilidade da qualidade tão almejada. Dessa forma, esse tipo de tecnologia, que tem mínima intervenção humana, poderá ser utilizado pelos produtores auxiliando-os no controle e melhoria de etapas desde o cultivo até a mesa do consumidor. O projeto visa a elaboração de uma metodologia automatizada para análise de florescimento e maturação de frutos em cafeeiros por meio da captação massiva de imagens, manipulação luminosa e desenvolvimento de um programa (algoritmo/software) para digitalização e análise dos dados. Os resultados almejados são quantitativos, buscando estabelecer padrões numéricos de proporção floral e distribuição de maturação nas plantas a partir dos dados de saída de um algoritmo desenvolvido para esse objetivo. As aplicações do projeto se estendem para captação de dados e auxílio no manejo corretivo de campo, ou seja, voltados para agricultura de precisão. Ao final do projeto esperamos oferecer uma ferramenta capaz de quantificar o número de floradas anuais, determinar a homogeneidade do florescimento e estimar a produção de frutos e sua maturação. Esses dados irão compor um banco de dados que será anualmente atualizado e com perspectiva de uso, juntamente com inteligência artificial e algoritmos de aprendizado de máquina, para criação de um índice que antecipe e melhore a previsão da produtividade. Assim, esperamos que a nova ferramenta seja de grande interesse no campo da biotecnologia e do agronegócio. (AU)