Meteorologia

  • 18 AGOSTO 2022
Tempo
17º
MIN 16º MÁX 32º

Coimbra testa novos sistemas inteligentes de monitorização de vinhas

Uma equipa multidisciplinar de cientistas da Universidade de Coimbra (UC) explorou novas abordagens tecnológicas para a gestão de vinhas, abrindo caminho a sistemas de monitorização não invasivos e eficientes.

Coimbra testa novos sistemas inteligentes de monitorização de vinhas

Em nota de imprensa enviada à agência Lusa, a UC explicou que a equipa científica, liderada por investigadores do Instituto de Sistemas e Robótica (ISR) da Faculdade de Ciências e Tecnologia da Universidade de Coimbra (FCTUC), considera que os novos sistemas "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 AI+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 deteção de pestes e doenças em vinhas".

A agricultura de precisão promove o uso de tecnologia (software e hardware) em aplicações como a proteção, monitorização e gestão agrícola", referiu a UC.

De acordo com o comunicado, ao longo de 12 meses foram estudadas três vinhas da região Centro -- em Coimbra, Valdoeiro (Mealhada) e Quinta de Baixo (Cantanhede) -- "geridas segundo práticas convencionais, mas com características biofísicas diferentes".

As abordagens "exploradas e testadas" pelos investigadores basearam-se em sistemas de 'Deep Learning' (aprendizagem profunda, inteligência artificial), usando informação obtida através de satélite e drones.

"Este trabalho estudou as bandas espetrais 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", referiu, citado na nota, o investigador 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, equipámos um drone com uma câmara multiespectral e uma câmara RGB de alta definição, que foram usadas para recolher informação espetral de três vinhas da zona Centro", frisou o cientista.

De acordo com o investigador do ISR/FCTUC, os resultados do estudo indicaram que "os modelos de segmentação baseados em 'Deep Learning' têm melhor desempenho quando comparados com métodos clássicos".

Tiago Barros avançou que o estudo, já publicado numa revista científica da especialidade, apresentou 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 ou veículos inteligentes, continua a ser um setor predominantemente manual e pouco eficiente", observou.

Leia Também: Viticultores do Douro aflitos com aumentos abruptos e apontam-se quebras

Recomendados para si

Seja sempre o primeiro a saber.
Sexto ano consecutivo Escolha do Consumidor e Prémio Cinco Estrelas para Imprensa Online.
Descarregue a nossa App gratuita.

Apple Store Download

;

Recebe truques e dicas sobre Internet, iPhone, Android, Instagram e Facebook!

O mundo tecnológico em noticias, fotos e vídeos.

Obrigado por ter ativado as notificações de Tech ao Minuto.

É um serviço gratuito, que pode sempre desativar.

Notícias ao Minuto Saber mais sobre notificações do browser

Campo obrigatório