Inteligência Artificial para monitorizar pegada ambiental agrícola
Imagem Schwoaze / pixabay
Chama-se Pegada 4.0 e tem como objetivo medir e reduzir o impacto ambiental das práticas agrícolas, promovendo uma produção mais sustentável
O projeto “Pegada 4.0” é liderado pela Universidade de Évora e financiado pelo Plano de Recuperação e Resiliência (PRR), tendo como foco cinco indicadores essenciais: dióxido de carbono, recursos hídricos, poluição difusa, paisagem e biodiversidade. A Faculdade de Ciências e Tecnologia da Universidade de Coimbra (FCTUC) participa na iniciativa com o desenvolvimento de um sistema baseado em inteligência artificial (IA) e machine learning (ML) que permita monitorizar a pegada da biodiversidade, incentivando a sua preservação e crescimento nas parcelas agrícolas definidas no projeto. “Trabalhamos na monitorização da biodiversidade, recolhendo e processando informação sobre espécies existentes e a sua evolução ao longo do tempo”, explica Catarina Silva, professora do Departamento de Engenharia Informática (DEI) e investigadora do Centro de Informática e Sistemas da Universidade de Coimbra (CISUC), em comunicado da universidade conimbricense.
A metodologia utilizada inclui a recolha de dados multimodais, abrangendo medições de temperatura e humidade, imagens de insetos e plantas, registos sonoros de aves, entre outros. O objetivo é integrar e analisar estas informações, permitindo a identificação automática das espécies e a deteção de novas ao longo do tempo, através de modelos de IA dinâmicos.
O projeto conta com a participação de 20 parceiros agricultores e diversas herdades, que colaboram ativamente na monitorização ambiental. A empresa Agroinsider, ligada à Universidade de Évora, está também envolvida na iniciativa.
No âmbito do projeto, foi também desenvolvida a “SmartAg”, uma aplicação que permite aos agricultores submeter imagens e sons em tempo real para análise científica. “A app é usada para registar evidências das espécies, indicando qual a espécie, coordenadas e hora do registo”, explica Dinis Costa, estudante do DEI envolvido na investigação.
Bernardete Ribeiro, docente do DEI e investigadora do CISUC, sublinha que este projeto representa um avanço significativo na agricultura de precisão, apostando em modelos de IA e machine learning dinâmicos para uma maior eficiência. “Pretendemos implementar estes modelos em hardware de baixo custo, tornando o processo mais eficaz, desde a conceção até à implementação no terreno”, afirma.
A pegada da monitorização também inclui a instalação de armadilhas de insetos que recolhem imagens para identificação de espécies. Segundo o aluno do DEI, a “SmartAg” permite que os agricultores registem as espécies avistadas. Essas imagens serão classificadas automaticamente através de modelos inteligentes. “Numa fase inicial, os agricultores apenas têm que validar se a classificação da IA está correta, ajudando a melhorar continuamente os modelos”, esclarece.
Outros artigos que lhe podem interessar