Mapeamento nos pomares de citros analisará a produtividade planta a planta

A falta de tecnologias para o levantamento de dados de produtividade de culturas de colheita manual constitui um gargalo para a adoção de práticas de Agricultura de Precisão. Na citricultura, não é diferente. Atualmente, nas fazendas produtoras, os frutos são colhidos sem uso de máquinas, misturados e brevemente armazenados em sacos (big bags) de 600kg que ficam distribuídos no pomar. Os big bags são recolhidos por máquinas que fazem o transbordo para caminhões que transportam os frutos para a indústria ou packing houses, dificultando análises de dados reais da produção.

O Laboratório de Agricultura Digital da Universidade Federal de Viçosa (UFV), apoiado pela FAPEMIG, iniciou um estudo inédito sobre a produtividade dos pomares em parceria com a Agroterenas, na unidade produtiva de citros em Santa Cruz do Rio Pardo/SP. A iniciativa terá por objetivo desenvolver e validar métodos de mapeamento de produtividade das plantações de citros, baseados na aquisição de imagens dos pomares.

Conforme dados divulgados pela assessoria de imprensa, será utilizada a tecnologia inovadora de sensores e inteligência artificial LeafSense, da Adroit Robotics. “Essa pesquisa ajudará a identificar problemas e desenvolver soluções de aumento de produtividade e economia de recursos. Com esse projeto, juntamos a tecnologia da Adroit, o conhecimento em agronomia digital da UFV e a experiência da Agroterenas, um dos mais tecnificados produtores do mundo”, diz o diretor de tecnologia da agtech, Angelo Gurzoni Jr.

Os dados serão coletados em pomares ao longo de duas safras, em uma área comercial. Imediatamente antes da colheita, serão captadas as imagens com o sensor LeafSense. Serão então processadas com algoritmos avançados para identificação, contagem e medição dos frutos nas árvores. Em seguida, os sacolões (big bags) serão georreferenciados com um receptor de posicionamento global por satélite (GNSS) com correção diferencial (RTK).

A partir de técnicas de geoestatística, serão gerados os mapas de produtividade de referência. Estes serão utilizados para treinamento dos modelos de inteligência artificial, a fim de identificar e estimar a produtividade total de frutos em cada local do pomar.