|
|
INOV-SCAN – Ferramenta digital integradora de dados, de decisão e de apoio à produção frutícola (ID: 212 )
Coordenador: IPL - Instituto Politécnico de Leiria
Iniciativa emblemática: 8. Agricultura 4.0
Data de Aprovação: 2022-03-08 Duração da iniciativa: 2024-06-30
NUTS II: Centro NUTS III: Região de Leiria
Identificação do problema ou oportunidade
A monitorização e controlo da
qualidade dos produtos agrícolas visados, num quadro de imperativa
sustentabilidade de todos os processos agrícolas envolvidos, apresenta-se, no
momento atual, como um indubitável desafio/oportunidade tecnológica neste
mercado onde o país se quer afirmar internacionalmente.
As soluções existentes e em
desenvolvimento, tendem por basear os seus modelos tecnológicos na sensorização
de um amplo conjunto de variáveis do processo produtivo (i.e., variáveis
climatéricas e condição do solo).
No entanto, as soluções disponíveis
requerem um determinado conjunto fixo de equipamento, sejam sensores,
analisadores, drones ou outros, tornando-se soluções dispendiosas, com pouca ou
nenhuma flexibilidade e capacidade adaptativa/evolutiva.
A aplicação INOV-SCAN tem uma
abordagem diferente, delineada da seguinte forma:
i. O sistema consiste numa aplicação
móvel, instalável em qualquer smartphone ou tablet atual. Dado que qualquer
indivíduo possui um destes dispositivos, o investimento necessário em
equipamentos para pôr o sistema em marcha é virtualmente zero;
ii. Total flexibilidade nos dados de
input e respetivo tipo. A aplicação poderá funcionar com dados totalmente
manuais, ou obtidos a partir de sensores, de drones, de imagem de satélite,
estação meteorológica, analisadores de sonda, ou outras fontes a determinar
durante o desenvolvimento do projeto. Esta flexibilidade permitirá a
agricultores de qualquer dimensão e apetrecho usar a aplicação e
crescer/evoluir em conjunto;
iii. Capacidade de registo e análise
de dados históricos que, combinados com dados atuais e validação/input do
agricultor, permitirão uma crescente capacidade preditiva graças às
características de inteligência artificial/machine learning da aplicação;
iv. Identificação de não conformidades
e/ou desvios no processo produtivo - algoritmo de decisão sobre ações
corretivas (imediata/médio prazo) e de planeamento, nomeadamente data de
colheita ótima e potencial de conservação, dimensão da colheita e previsão dos recursos
necessários, cálculo de consumíveis (embalagem) e logística;
v. Sistema de análise fotográfica/visual
de uma gama de produtos agrícolas (pequenos frutos no projeto, outros frutos no
pós-projeto), sendo que por via de algoritmos preditivos, históricos e de machine
learning, afira vários parâmetros como a taxa de crescimento, monitorização
de estruturas florais/fruto, contagem automática de frutos, correlação entre
parâmetros de produção e estética/calibre do produto e outros índices de
qualidade;
vi. Identificação visual de pragas e
doenças, e ligação à plataforma SIFITO por forma a apresentar soluções
fitofarmacêuticas adequadas aos problemas identificados.
Fatores de valorização e diferenciação
do INOV-SCAN:
- Com o correto compromisso
operacional, o INOV-SCAN poderá funcionar de forma integrada com quaisquer
fontes de dados (integração tecnológica fácil);
- O INOV-SCAN, apresentar-se-á com
preços acessíveis, a uma alargada gama de aplicações e explorações agrícolas de
dimensão variada;
- O INOV-SCAN assumir-se-á como uma
plataforma de aplicação muito simplificada, sem recurso a sistemas (e
investimentos) de sensorização (hardware).
O projeto INOV-SCAN promove modos de
produção sustentável e economia circular:
i. Apoio na obtenção de produtos de
melhor qualidade, menor desperdício pela valorização atempada de refugos,
otimização/poupança de água via monitorização das práticas da exploração no
processo produtivo, apoio e validação da nutrição/fertilização adequada das
culturas, e, combinado com o cálculo automático da quantidade de produção, um
correto planeamento da colheita e expedição do produto.
ii. Implementação de uma base de dados
que se apresentará como guia de produtos fitofarmacêuticos e fatores de
produção permitidos em agricultura biológica para as culturas em análise,
através de fichas técnicas, certificados e declarações de conformidade,
respetivos fabricantes/distribuidores e sua geolocalização, assim como lista de
todos os operadores de cultura biológica.
Breve resumo da iniciativa a desenvolver
Existe no mercado um conjunto de
soluções industriais e agrícolas que recorrem à visão computacional para identificação
de características de produtos frutícolas e com outputs como estado de desenvolvimento
e existência de pragas, doenças e outros danos superficiais.
As referidas soluções são
tendencialmente acopladas a equipamentos portáteis e/ou drones, e têm vindo a
dar os “primeiros passos” na utilização de tecnologias smart-farming
apoiadas na visão computacional.
Assiste-se a uma tendência de
democratização destas aplicações, não só pelo seu preço mais acessível, mas
também pela sua facilidade de utilização.
No entanto, estas soluções apresentam
um importante deficit operacional, a saber: centram-se no controlo de colheitas,
em condições muito específicas e pré-determinadas, e não permitem uma
flexibilização de inputs, essencial para a adaptação de uma aplicação desta
natureza às especificidades de cada produtor/cultura e de cada área geográfica.
O projeto INOV-SCAN, pretende, via o
desenvolvimento de uma aplicação para dispositivos móveis, determinar a
correlação de um conjunto variável de inputs (causas) com vários
resultados/previsões (efeitos), juntando a esta capacidade a análise e
processamento de imagem (metodologia não intrusiva) recorrendo à Visão
Computacional e Machine Learning. A combinação destas capacidades
(inputs, inteligência artificial e outputs) permitirá à aplicação ajustar-se de
forma única a cada exploração agrícola, que, devido a fatores edáficos,
climáticos, varietais, e outros, são específicos de cada zona.
Os inputs podem ser obtidos de fontes diversas
e opcionais (histórico, satélite, analisadores de pH, de EC, de azoto ou outros
nutrientes, sensores diversos, caderno de campo, ou qualquer dispositivo em
conformidade com a arquitetura IoT – Internet of Things), conforme
estejam disponíveis e, com base numa matriz de decisão, determinar quais os
resultados/previsões que poderão ser obtidas. A informação, que poderá,
dependendo da exploração, ser de grande escala (Big Data) será armazenada na Nuvem
(“Cloud”), permitindo assim que vários dispositivos/pessoas tenham acesso à
informação.
Esta flexibilidade permitirá à
aplicação INOV-SCAN adaptar-se a explorações agrícolas de qualquer dimensão, de
acordo com os recursos disponíveis em cada uma, sendo que, à medida que o
agricultor evoluir/crescer, também os resultados disponíveis na aplicação irão
crescer/melhorar. A combinação dos inputs (causas) com os dados históricos,
registados em contínuo, mais a validação do agricultor, permitirá à aplicação
aumentar a sua capacidade preditiva dos outputs (efeitos). O produtor poderá
assim ter uma noção de causa-efeito muito objetiva para os vários parâmetros
que pretende analisar e correlacionar.
Como outputs da aplicação, destaca-se
a capacidade de acompanhamento da taxa de crescimento da cultura, a determinação
do potencial produtivo (incluindo contagem de frutos), apoio no planeamento do
momento da colheita e cálculo de recursos necessários (mão-de-obra, materiais)
para a fazer.
Adicionalmente, com suporte na análise
da fotografia/scan do produto agrícola), e, através da utilização de dados históricos,
de algoritmos preditivos, e de machine learning, determinar um conjunto
de características/condições do fruto, em tempo real, bem como a
previsão/planeamento de ações corretivas a curto prazo. Salientem-se o estado
de maturação, o calibre, parâmetros estéticos, e a identificação de pragas e
doenças.
Esta aplicação estará inicialmente
focada nos pequenos frutos como o mirtilo, o morango, a framboesa, a amora e a fisális,
identificados como casos de estudo do projeto, mas a aplicação INOV-SCAN irá no
pós-projeto expandir-se para outras culturas como a maçã, a pera, o pêssego, o
kiwi, a vinha e outras, devido à flexibilidade e capacidade de adaptação desta
aplicação, acima referidos.
A aplicação será testada, enriquecida
e validada através da realização de testes práticos e/ou comparativos (casos de
estudo), localizados nas explorações dos parceiros agrícolas identificados.
Áreas de Trabalho e responsabilidades de cada parceiro
Politécnico de Leiria (Coordenador) – Instituto
Politécnico Leiria - Quantificação das características físico-químicas,
sensoriais, nutricionais e bioativos; Ensaios laboratoriais para correlação
entre estes parâmetros e a informação fotográfica.
VOID – Desenvolvimento de software -
Desenvolvimento da aplicação móvel; Bases de dados; Desenvolvimento visual da
aplicação e UX (user-experience); Computação visual e machine learning.
FORGING LAB – Desenvolvimento de
software – Acesso a fontes de dados (satélite, metrologia, sensorização,
outros); Metodologias preditivas.
DRAP CENTRO – Direção Regional de Agricultura
e Pescas - Atividades no âmbito do polo de inovação de Coimbra/Viseu;
Dinamização/divulgação.
AGIM – Associação de produtores de
pequenos frutos - Promoção e dinamização da cultura do mirtilo e outros frutos;
Apoio e acompanhamento técnico; Validação de resultados.
COTHN – Centro Operativo Tecnológico
Hortofrutícola Nacional - Apoio na discussão e validação dos resultados e
colaboração na dinamização das iniciativas de disseminação e comunicação dos
resultados junto do sector hortofrutícola nacional.
SFCOLAB – Laboratório colaborativo
para a inovação digital na agricultura – Definição e validação científica de
resultados (Qualidade, segurança alimentar, pragas, solos).
HORTITOOL CONSULTING – Consultoria
agrícola – Análise, teste e validação da integração do sistema.
NUTRIX – Produtor e comercializador de
framboesas - Definição de requisitos; Definição de modos de input; Apoio na
definição de matrizes de decisão; Verificação de modelos preditivos de
planeamento; Teste e validação da aplicação em contexto produtivo.
SONHOS & VITAMINAS - Produtor e
comercializador de pequenos frutos, em especial mirtilo - Teste e validação da
aplicação em contexto produtivo; Recolha de dados.
BOCA DO LOBO – Produtor de mirtilos -
Teste e validação da aplicação em contexto produtivo. Recolha de dados.
GOLDEN BAGA – Produtor de fisális – Definição
de requisitos; Teste e validação da aplicação em contexto produtivo; Recolha de
dados.
CARLOS ADÃO – Produtor de mirtilos -
Teste e validação da aplicação em contexto produtivo; Recolha de dados.
DELÍCIAS DO TOJAL - Produtor e
comercializador de mirtilos, framboesas e amoras. Teste e validação da
aplicação em contexto produtivo; Recolha de dados.
JOÃO SOUSA - Produtor e
comercializador de mirtilos. Teste e validação da aplicação em contexto
produtivo; Recolha de dados.
VÂNIA SOUSA – Produtor e
comercializador de framboesas. Teste e validação da aplicação em contexto
produtivo; Recolha de dados.
TRIUMPH FLAVOURS - Produtor e
comercializador de framboesas. Teste e validação da aplicação em contexto
produtivo; Recolha de dados.
MIGUEL MESQUITA & HUGO SECA - Produtor
e comercializador de morangos. Teste e validação da aplicação em contexto
produtivo; Recolha de dados.
|
|
|