Mapeamento analisará a produtividade planta a planta em alta escala
A falta de tecnologias para o levantamento de dados de produtividade de culturas de colheita manual constitui um gargalo para a adoção de práticas de Agricultura de Precisão. Na citricultura, não é diferente. Atualmente, nas fazendas produtoras, os frutos são colhidos sem uso de máquinas, misturados e brevemente armazenados em sacos (big bags) de 600kg que ficam distribuídos no pomar. Os big bags são recolhidos por máquinas que fazem o transbordo para caminhões que transportam os frutos para a indústria ou packing houses, dificultando análises de dados reais da produção.
Para resolver o problema da falta de dados de produção detalhados e permitir a adoção de manejos de precisão, o Laboratório de Agricultura Digital da Universidade Federal de Viçosa (UFV), apoiado pela FAPEMIG, acaba de iniciar um estudo inédito sobre a produtividade dos pomares em parceria com a Agroterenas, na unidade produtiva de citros em Santa Cruz do Rio Pardo/SP. A iniciativa terá por objetivo desenvolver e validar métodos de mapeamento de produtividade das plantações de citros, baseados na aquisição de imagens dos pomares.
Para isso, será utilizada a tecnologia inovadora de sensores e inteligência artificial LeafSense, da Adroit Robotics. “Essa pesquisa ajudará a identificar problemas e desenvolver soluções de aumento de produtividade e economia de recursos. Com esse projeto, juntamos a tecnologia da Adroit, o conhecimento em agronomia digital da UFV e a experiência da Agroterenas, um dos mais tecnificados produtores do mundo”, diz o diretor de tecnologia da agtech, Angelo Gurzoni Jr.
Os dados serão coletados em pomares ao longo de duas safras, em uma área comercial. Imediatamente antes da colheita, serão captadas as imagens com o sensor LeafSense. Serão então processadas com algoritmos avançados para identificação, contagem e medição dos frutos nas árvores. Em seguida, os sacolões (big bags) serão georreferenciados com um receptor de posicionamento global por satélite (GNSS) com correção diferencial (RTK).
A partir de técnicas de geoestatística, serão gerados os mapas de produtividade de referência. Estes serão utilizados para treinamento dos modelos de inteligência artificial, a fim de identificar e estimar a produtividade total de frutos em cada local do pomar.
EVOLUÇÃO – Após o treinamento dos modelos ao longo de duas safras, estes serão utilizados para predição da produtividade e localização de pontos de melhoria de manejo. De acordo com Gurzoni Jr, a implementação de sensores para mensurar a produtividade em cada árvore possibilita obter informações com alta precisão de forma eficiente, rápida e não destrutiva. “As atividades serão desenvolvidas por duas safras e o conhecimento produzido para melhoria dos algoritmos e fórmulas matemáticas, comparando resultados entre áreas e ajudando o produtor na tomada de decisão”, destaca.
Ainda segundo o profissional, a informação do sensor será validada pelos dados de pesos de cada sacola em cada pedaço do talhão, resultando em um mapa detalhado de onde há mais ou menos frutos. “Daí para frente entram os softwares de IA e os pesquisadores em agricultura de precisão, entendendo porque as variações ocorrem, quais variáveis do pomar influenciaram”, reforça. “A grande vantagem é que os agrônomos não precisaram esperar a colheita, pois antes do meio da safra o sensor consegue identificar possíveis problemas e assim poderão tomar decisões de modificar o trato do pomar”, completa o diretor de tecnologia.
CAMPINAS (SP)
