70 CADERNOS DE ANÁLISE E PROSPETIVA CULTIVAR N.º 33 ABRIL 2025 – Dados na agricultura estimar o potencial hídrico da planta com recurso a câmaras térmicas, permitindo uma instalação mais flexível e económica, quando comparada com sensores fixos, e assim contribuir para uma otimização da produção e da utilização sustentável de água4. Normalmente, os sensores estão montados num robot móvel terrestre que percorre as zonas de interesse para recolha de dados e análise. No caso de áreas maiores, poder-se-ia recorrer a veículos aéreos autónomos (drones) e usar métodos de visão artificial que temos desenvolvido para a deteção de fogos florestais5 ou para vigilância marítima. Nesse caso, os modelos que criámos para extrair padrões de imagens ou de vídeo poderiam ser orientados para o domínio da agropecuária. No desenho de um projeto exploratório com vários parceiros europeus, a equipa do LARSyS propôs-se desenvolver um robot para a manutenção de plantas de tomate de estufa. Estas plantas, que nalguns países chegam a ter seis metros de altura, carecem de intervenções de manutenção permanentes, sendo extremamente exigentes do ponto de vista da mão de obra necessária. O conceito compreendia um robot montado numa plataforma elevatória, que se deslocava em carris dentro das estufas e que dispunha de dois braços com mãos destras, o que lhe conferia a possibilidade de executar várias tarefas de “manutenção”, como ajuste do tutoramento, monda de flores e frutos, desfolha, corte apical, observação e controlo de pragas, etc. Em paralelo, usavam-se modelos computacionais do desenvolvimento da planta, instanciados com dados recolhidos com as câmaras do robot, para guiar as operações de manutenção e estimar o crescimento da planta e da produção. Um componente interessante do conceito consistia em dotar o robot da capa4 “Scalable Thermal Imaging and Processing Framework for Water Status Monitoring in Vineyards”, A Pires, A Bernardino, G Victorino, JM Costa, C Lopes, J Santos-Victor, Computers and Electronics in Agriculture, 2025. http://dx.doi.org/10.2139/ssrn.5183987 5 “Development of semantic maps of vegetation cover from UAV images to support planning and management in fine-grained fire-prone landscapes”, B Trenčanová, V Proença, A Bernardino, Remote Sensing 14 (5), 1262, 2022. 6 Learning the Sequence of Packing Irregular Objects from Human Demonstrations: Towards Autonomous Packing Robots, A Santos, NF Duarte, A Dehban, J Santos-Victor, 10th IEEE RAS/EMBS International Conference for Biomedical Robotics and Biomechatronics (BioRob), 2024. 7 “A conceptual framework for the analysis of engineered biodiverse pastures”, RF Teixeira, V Proenca, D Crespo, T Valada, T Domingos, (2015). Ecological Engineering, 77, 85-97. cidade de aprender estas tarefas de manutenção a partir de demonstrações feitas por um especialista, na linha do trabalho que temos desenvolvido de conceção de robots cognitivos capazes, inspirados no funcionamento do cérebro humano, para ensinar robots que trabalham de forma colaborativa com seres humanos6. Com vista à recolha de informação e apoio à decisão em sistemas complexos como na agropecuária, podemos complementar a componente robótica com as tenologias de IOT (Internet of Things), para a medição das variáveis relevantes de uma produção agrícola, como sejam indicadores ambientais, consumo de energia e água, ou indicadores de saúde, bem-estar e atividade de animais. A possibilidade de adquirir esta informação de forma sistemática permite a criação de modelos que combinam o conhecimento teórico (físico) dos sistemas em causa, com algoritmos de Inteligência Artificial treinados a partir de dados para apoiar as decisões de gestão e melhorar a eficiência e a produtividade de forma sustentável. Outro exemplo interessante, desenvolvido no LARSyS através do MARETEC, tem a ver com o uso responsável dos solos agrícolas, permitindo combinar a criação de gado e a melhoria da qualidade e resiliência dos solos. Através da criação de pastagens semeadas biodiversas, adequadas às diferentes regiões do país num projeto apoiado pelo Fundo Português de Carbono, que envolveu mais de 1 000 agricultores demonstrou-se ser possível um aumento de produtividade e, ainda, remunerar os agricultores pela sequestração de carbono7. O projeto, liderado pela spin-off do IST e do LARSyS Terraprima, permitiu obter uma maior fertilidade dos solos, bem como uma maior retenção de água e resistência à erosão, ajudando a aumentar a produtividade das pastagens
RkJQdWJsaXNoZXIy MTgxOTE4Nw==