Nossa pesquisa integra Inteligência Artificial, IoT e Agricultura Digital para criar soluções resilientes que impulsionam a produtividade rural enquanto preservam a integridade ecológica.
Uma agricultura inteligente e digital exige dados confiáveis a partir de uma rede de sensores distribuída. Dispositivos de baixo consumo de energia, segurança, middleware adequado, protocolos e armazenamento de dados são questões-chave na Agricultura 4.0. Além disso, captar energia a partir de fontes renováveis e lidar com a indisponibilidade de conexão em campo são de interesse prático
A modelagem de sistemas dinâmicos biológicos e ambientais é uma tarefa difícil. Obter modelos otimizados, simular e desenvolver sistemas embarcados para aplicação no local é parte da nossa missão. Variáveis de processo comuns a serem controladas são temperatura, umidade, níveis de água ou fertilizantes, concentração de nutrientes, iluminação, energia, etc
Quanto mais dados você tiver, mais inteligente será sua decisão. Inteligência Computacional (ou Inteligência Artificial – IA) refere-se ao uso de métodos baseados em comportamento inteligente observado na natureza para solucionar problemas que não são facilmente resolvidos por programas tradicionais.
“Uma imagem vale mais que 1000 palavras”. Essa conhecida citação exige algoritmos de processamento digital com uma theory sólida por trás. Classificação, contagem e identificação são demandas comuns para as Ciências Agrárias. A estimativa de pragas e danos, propriedades físicas, e previsão de produção com base em imagens pode reduzir o tempo de laboratório e fornecer resultados qualitativos e quantitativos, geralmente combinados com técnicas de IA.
Sistema computacional de apoio à decisão para o gerenciamento integrado das Cochonilhas do Carmin e de Escama em Palma Forrageira (cacto)
Monitoramento e controle integrados da temperatura interna de um silo de armazenamento de grãos.
Sistema para realização de testes cognitivos em cavalos que permite a configuração destes testes e a aquisição dos dados para análise posterior, com o objetivo de correlacionar a inteligência do cavalo com a sua raça, idade, sexo ou comportamento.
Desenvolvimento de um sistema de irrigação baseado no monitoramento inteligente da umidade do solo em um cultivo de tomates, através de sensores capacitivos e fusão de dados com lógica fuzzy.
Fertirrigação de precisão com sensoriamento de concentração de nutrientes N, P, K
Testbed para integração de testes de alarmes em ambiente IoT e tecnologias para indústria 4.0 na plataforma FIBRE-RNP
Aplicação de técnicas de aprendizado de máquina profundo para avaliar de modo automático a qualidade das sementes de soja.
Mapear o desenvolvimento de Tecnologias de Informação e Comunicação (TICs) aplicadas ao agronegócio no Nordeste brasileiro