KIBOT
investigação de novas variáveis na planta do kiwi
Investigação de novas variáveis relacionadas com o desenvolvimento vegetativo da planta do kiwi, que permitam estimar o rendimento de uma plantação de kiwis de forma rápida, fiável e com custos reduzidos, meses antes do aparecimento dos frutos, com vista a dispor de margem suficiente para realizar ações que permitam aumentá-lo, caso não seja o esperado, e identificar possíveis pragas ou doenças que possam afetar a planta antes que ocorram danos irreversíveis.
Investigação de novas variáveis relacionadas com o desenvolvimento vegetativo da planta do kiwi, que permitam estimar o rendimento de uma plantação de kiwis de forma rápida, fiável e com custos reduzidos, meses antes do aparecimento dos frutos, com vista a dispor de margem suficiente para realizar ações que permitam aumentá-lo, caso não seja o esperado, e identificar possíveis pragas ou doenças que possam afetar a planta antes que ocorram danos irreversíveis.
Desafios
Investigar a forma de adquirir informações das variáveis acima mencionadas de forma automatizada, utilizando tecnologias ligadas à indústria 4.0 (visão artificial, IoT, etc.).
Desenvolver um software baseado em inteligência artificial capaz de prever o número de frutos e o seu volume numa plantação a partir das informações adquiridas.
Validar a fiabilidade desse software comparando os dados obtidos com o número e o volume dos frutos que acabam por crescer, cuja contagem também será feita automaticamente.
Investigar a influência de variáveis como a humidade do solo ou a temperatura ambiente nos possíveis desvios que ocorrem entre o rendimento esperado e o finalmente alcançado.
Solução
Um modelo que obterá dados das plantas de forma automática, não invasiva e não destrutiva, através de um sistema de visão artificial capaz de obter imagens RGB e 3D da parte inferior e superior da planta, que posteriormente serão analisadas para caracterizar a morfologia de cada ramo (espessura, comprimento, número de rebentos...) e poder estimar o número de frutos a colher.
O modelo também contará com um segundo modo de funcionamento para contar o número de frutos e o seu volume, uma vez que estes sejam visíveis, para o que se baseará em imagens captadas da parte inferior da planta para cima, que serão analisadas através de algoritmos e modelos de reconhecimento baseados em Deep Learning e uma combinação de técnicas de visão 3D clássica, complementadas com modelos específicos de redes neurais.
Notícias relacionadas
Entidades participantes
Entidades subcontratadas
IDONIAL
La Rodriga