Caso de sucesso - Serida Fenotipagem de culturas assistidas por drones, IoT e IA
Ocorreu um erro ao processar o template. 
The string doesn't match the expected date/time/date-time format. The string to parse was: "mar, 04 may 2021 07:46:00 +0000". The expected format was: "EEE, dd MMM yyyy HH:mm:ss Z".
The nested reason given follows:
Unparseable date: "mar, 04 may 2021 07:46:00 +0000"

----
FTL stack trace ("~" means nesting-related):
	- Failed at: #assign parsedPublishDate = rawPublis...  [in template "48478917202330#20121#713300" at line 4, column 1]
----
1<#assign rawPublishDate = .vars["reserved-article-display-date"].data> 
2<#assign currentLang = locale.getLanguage()> 
3<#setting locale=currentLang> 
4<#assign parsedPublishDate = rawPublishDate?datetime("EEE, dd MMM yyyy HH:mm:ss Z")> 
5<#setting time_zone="Europe/Madrid"> 
6${parsedPublishDate?string("yyyy-MM-dd'T'HH:mm:ssZZ")} 
Ocorreu um erro ao processar o template. 
The string doesn't match the expected date/time/date-time format. The string to parse was: "jue, 19 mar 2026 09:57:52 +0000". The expected format was: "EEE, dd MMM yyyy HH:mm:ss Z".
The nested reason given follows:
Unparseable date: "jue, 19 mar 2026 09:57:52 +0000"

----
FTL stack trace ("~" means nesting-related):
	- Failed at: #assign parsedDate = rawDate?datetime...  [in template "48478917202330#20121#713304" at line 4, column 1]
----
1<#assign rawDate = .vars["reserved-article-modified-date"].data> 
2<#assign currentLang = locale.getLanguage()> 
3<#setting locale=currentLang> 
4<#assign parsedDate = rawDate?datetime("EEE, dd MMM yyyy HH:mm:ss Z")> 
5<#setting time_zone="Europe/Madrid"> 
6${parsedDate?string("yyyy-MM-dd'T'HH:mm:ssZZ")} 
culturas

Caso de sucesso - Serida

Fenotipagem de culturas assistidas por drones, IoT e IA

Fenotipagem de culturas assistidas por drones, IoT e IA

O projeto

O grupo de Genética Vegetal da Serida participa no projeto de investigação europeu Bresov para melhorar geneticamente a produção orgânica hortícola em mais de 200 variedades de feijão.

O objetivo do projeto é verificar o estado de saúde das culturas e identificar as diferenças fenotípicas entre as variedades monitorizadas. Mais em concreto nas Astúrias, o objetivo era melhorar a viabilidade de três culturas vegetais: brócolos, feijão verde e tomate, num quadro de produção biológica e ambientalmente sustentável.

Izertis, que colabora com a Serida neste projeto, utilizou diferentes algoritmos de análise de imagem, bem como inteligência artificial para integrar os diferentes resultados baseados em indicadores sobre o estado das culturas e variáveis meteorológicas e climatológicas com as quais se testam novas técnicas de fenotipagem.

 

Os desafios

  • Captar imagens de culturas em dois estados fisiológicos diferentes
  • Desenvolver software para o processamento de imagens RGB e multiespectrais
  • Monitorizar dados climatéricos
  • Produzir relatórios com base em dados correlacionados

A solução

No sector agrícola, o clima e as previsões meteorológicas são fundamentais para otimizar os processos de irrigação, colheita e cuidado das culturas.  A utilização de sensores de monitorização ambiental juntamente com a monitorização de culturas através de imagens captadas por drones é a combinação ideal para controlar pragas, detetar necessidades hídricas e identificar outros tipos de problemas que afetam as culturas.

Através da utilização de drones e estações meteorológicas localizadas nos campos de cultivo e conectadas via IoT, foi mantido um registo meteorológico in situ e foram extraídos dados relativos à floração e frutificação das plantas com as imagens RGB e multiespectrais captadas pelos drones em diferentes momentos. Todos estes dados e imagens foram registados, processados, analisados e interpretados a fim de se conseguir uma produção hortícola mais eficiente.

O resultado

Desta forma, combinando a tecnologia IoT e IA desenvolvida pelos engenheiros da Izertis com a utilização de drones e estações meteorológicas conectadas, a Serida permitirá identificar as variedades melhor adaptadas à produção biológica, localizar os genes com maior capacidade de adaptação à produção orgânica e desenvolver ferramentas para acelerar a obtenção de novas variedades através do melhoramento genético, bem como uma produção hortícola orgânica mais eficiente e sustentável.

Para este efeito, foi disponibilizado à SERIDA um relatório com todos os valores obtidos para cada parcela, devidamente correlacionados com o mapa de distribuição de genótipos existentes na exploração. Foi também incluído um painel de controlo para facilitar a consulta destes dados e para efetuar comparações dentro da mesma parcela em cada um dos dois estados fisiológicos da cultura.
 

Mais sucessos

Governo do Principado das Astúrias

Organização líder na gestão de património do Reino Unido

Federação desportiva internacional de primeiro nível

Agência de promoção da economia pública