ESAC colabora na criação de soluções inovadoras para gestão da vinha
A Escola Superior Agrária de Coimbra (ESAC), através da investigadora do CERNAS – Centro de Recursos Naturais, Ambiente e Sociedade, Carla Ferreira, integrou uma equipa multidisciplinar que desenvolveu um estudo cujo objetivo é melhorar a precisão e a fiabilidade da monitorização e deteção de pestes e doenças em vinhas.
Liderada por investigadores do Instituto de Sistemas e Robótica da Faculdade de Ciências e Tecnologia da Universidade de Coimbra (FCTUC), a equipa explorou novas abordagens tecnológicas para a gestão de vinhas, abrindo portas ao desenvolvimento de sistemas de monitorização não invasivos e eficientes que 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 foi levado a cabo durante 12 meses, em três vinhas da região Centro (Coimbra, Valdoeiro e Quinta de Baixo) geridas segundo práticas convencionais, mas com características biofísicas diferentes, 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).
As abordagens exploradas e testadas pelos investigadores basearam-se em sistemas de Deep Learning (aprendizagem profunda, inteligência artificial), usando informação espácio-temporal obtida através de teledeteção (satélite) e drones. Estes equiparam um drone com uma câmara multiespectral e uma câmara RGB de alta definição, que foram usadas para recolher informação espectral nas três vinhas alvo do estudo.
Os resultados indicam que os modelos de segmentação baseados em Deep Learning têm melhor desempenho quando comparados com métodos clássicos e que, em relação às bandas espectrais, a banda Near-Infrared é a banda que contribui para o melhor desempenho, apresentando-se o uso de câmara dupla para aquisição de dados um método vantajoso e um avanço no campo da agricultura de precisão e mais eficiente.
O estudo foi publicado na revista científica Computers and Electronics in Agriculture. O artigo científico, intitulado “Multispectral vineyard segmentation: A deep learning comparison study”, está disponível em: https://doi.org/10.1016/j.compag.2022.106782.