Colheita de prescrição para o café, é possível?

• Ano de defesa: 2019
• Autor(a) principal: Kazama, Elizabeth Haruna [UNESP]
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Coffea arabica; machine learning; neural networks; Image processing; Precision agriculture; Harvest speed; processamento de imagens; Agricultura de precisão; Velocidade de colheita
• Link de acesso: http://hdl.handle.net/11449/183229

O café é uma commodity cujo preço é ajustado conforme parâmetros de qualidade, sendo a colheita uma operação que está intimamente ligada à qualidade final do produto. Sabemos que frutos no estádio cereja apresentam melhor qualidade de bebida em comparação aos frutos verdes ou secos. Além disso, a planta de café em suas condições naturais, apresenta maturação em todos os estádios na mesma planta. Sendo assim, o café seria uma cultura com potencial que justifique mais pesquisas na colheita. Surge então a hipótese: e se fosse possível colher somente frutos maduros – cereja e seco? Permanecendo os frutos verdes ainda na planta, para completar seu ciclo de maturação fisiológica, sendo colhidos em um segundo momento? E se com um celular em mãos o produtor pudesse tirar fotografias dos grãos, e um estimador digital reconhecesse os frutos e estimasse a produtividade e classificasse os frutos em seus respectivos estádios de maturação. Seria possível ter uma quantidade de informação suficiente de pontos em uma área, para gerar um mapa de produtividade e maturação? De posse do mapa, poderíamos gerar um “projeto de colheita” a ser realizado pela colhedora, buscando colher apenas os frutos de interesse. Para comprovar tal situação dividimos o trabalho em duas etapas: 1) Por meio de imagens identificar os frutos de café digitalmente. Esperamos que por meio de imagens tiradas por celulares ou câmeras possam estimar a produtividade e maturação, utilizando as técnicas de processamento de imagens por Deep Learning; 2) Por meio de mapas de produtividade e maturação de uma área, definir zonas de manejo, buscando-se determinar qual a melhor regulagem para colher em diferentes graus de maturação e produtividade, buscando-se colher somente os frutos maduros (cereja e seco) e análise econômica da operação. Como resultados, observou-se que o modelo identifica os frutos de café de maneira satisfatória independente da condição de captura de foto. O reconhecimento dos frutos apresentou R2 = 0,92, no modelo proposto, reconhecendo frutos inclusive de um terço inteiro da planta de café. Também observamos que não foi possível colher somente os frutos maduros para cada regulagem testada em cada zona de manejo definida pela produtividade e maturação dos frutos de café. Recomendando-se, portanto, a regulagem com maior velocidade operacional.