Alaine Margarete Guimarães (Responsable del Proyecto)
Eduardo Fávero Caires
José Carlos Ferreira da Rocha
Marcelo Giovanetti Canteri
Maria Salete Marcon Gomes Vaz
Selma Regina Aranha Ribeiro
Descripción:
En la agricultura, existe una búsqueda constante de métodos para mejorar la productividad dentro de un mismo volumen de área, y se utilizan diversas tecnologías para este propósito. Actualmente, se puede destacar el uso creciente del sensoriamento remoto por Vehículos Aéreos No Tripulados – VANTs (Unmanned Aerial Vehicle – UAV, Unmanned Aircraft Systems – UASs). Con la evolución y popularización de los VANTs, se han desarrollado varios proyectos de usos científicos y civiles, aunque de manera tímida en Brasil, debido a las ventajas de su utilización en relación con otros métodos convencionales. Estas ventajas incluyen la reducción de los costos y del tiempo de recolección de datos, así como una mayor seguridad y agilidad en esta recolección. La agricultura puede beneficiarse de la observación aérea en todas las etapas de producción, con un enfoque en la obtención de datos ópticos. En este sentido, diferentes VANTs ofrecen un mejor diseño y rendimiento en comparación con aviones de reconocimiento fotográfico convencionales, ya que presentan poco peso y tamaño pequeño, baja velocidad de vuelo (lo que implica una mejor obtención de datos ópticos), una altitud máxima mayor y una resistencia extrema. El objetivo de este proyecto es profundizar el estudio del uso de VANTs en la agricultura, con el desarrollo de soluciones agrícolas innovadoras, más específicamente en la obtención y tratamiento de datos agrícolas. Línea de Investigación: Computación, automatización y gestión de datos en la agricultura.
Alaine Margarete Guimarães
Marcelo Giovanetti Canteri (Responsable del Proyecto)
Descripción:
En los análisis tradicionales de ensayos, para algunas variables se observa poca diferencia numérica entre los tratamientos, lo que a menudo lleva a no observar diferencias estadísticas significativas, pero mostrando tendencias. Esto puede resultar en conclusiones subjetivas o la ausencia de conclusiones, pudiendo dejar la ciencia a merced del marketing. El meta-análisis, entre otras ventajas, permite escapar de esta ausencia de conclusiones realizando un análisis conjunto de varios experimentos ya publicados. El meta-análisis es una síntesis estadística sistemática de resultados de investigaciones anteriores sobre un tema, y su énfasis está en la producción de conclusiones cuantitativas. Por lo tanto, difiere de una revisión narrativa utilizada en tesis y disertaciones. Permite conclusiones estadísticamente significativas para variables que, bajo la experimentación tradicional, en ensayos aislados, no alcanzan un nivel de significancia. Se pueden utilizar datos de trabajos publicados, registros de campo o una mezcla con datos nuevos, recolectados por el propio ejecutor del meta-análisis. La aplicación de la técnica ha crecido en la última década y ya se ha utilizado en más de 5.000 trabajos publicados en el área médica, pero aún es poco utilizada en el área agronómica. Esta propuesta tiene como objetivo: a) desarrollar un sistema computacional para la realización de meta-análisis enfocado en experimentos agronómicos; y b) realizar el meta-análisis aplicado a problemas fitopatológicos, en cuatro áreas distintas, de acuerdo con las especialidades de los investigadores involucrados en el proyecto. Las áreas investigadas involucran temas donde, en ensayos tradicionales, se observa poca diferencia numérica entre los tratamientos, lo que a menudo lleva a no presentar diferencias estadísticas significativas. Las cuatro áreas abordadas serán: siembra directa (paja, humedad del suelo, disturbio del suelo y cultivo anterior afectando las enfermedades y la productividad), fertilidad del suelo (nitrógeno, fósforo y potasio afectando la severidad de las enfermedades), tratamiento de semillas (químico, biológico y físico afectando la productividad), métodos de aplicación de fungicidas (horario, tasa, tamaño de gota y adyuvante afectando la eficiencia del control de enfermedades) para los cultivos de soja, maíz, trigo y frijol. Para cada uno de los temas se realizarán ensayos durante dos años agrícolas y también se llevarán a cabo extensos levantamientos bibliográficos, utilizando medios virtuales (portal de revistas) y medios físicos (bibliotecas). Se extraerán los datos numéricos de cada artículo para generar tablas. El meta-análisis utilizará estas tablas para nuevos cálculos estadísticos combinados. En esta etapa se definirá el mejor modelo para el análisis de datos, entre los modelos de efectos fijos (FIXED), efectos aleatorios (RANDOM), máxima verosimilitud (ML), máxima verosimilitud restringida (REML), método de los momentos (MM) y entradas múltiples con máxima verosimilitud (MLMI). La fase final consistirá en la validación del software y en la elaboración de la síntesis sistemática y numérica de los datos combinados, que no será una simple revisión narrativa. El equipo ejecutor está activo en el programa de posgrado en Agronomía de la UEL y en el programa de posgrado en Computación Aplicada de la UEPG y contará con el apoyo de investigadores de EMBRAPA y UFRS, además del apoyo del Prof. Dr. Laurence V. de la Ohio State University. Línea de Investigación: Modelado Computacional Aplicado.
Alceu de Souza Britto Jr. (Responsable del Proyecto)
Luciano José Senger
Rosane Falate
Descripción:
Una serie de problemas agrícolas, como la detección de enfermedades en plantas, el análisis del desarrollo de cultivos, la selección de granos, entre otros, pueden superarse mediante técnicas de procesamiento de imágenes. El objetivo de este proyecto de investigación es desarrollar y aplicar técnicas robustas de procesamiento digital de imágenes a problemas agrícolas para avanzar en la investigación interdisciplinaria que pueda traer resultados significativos tanto para la computación como para la agricultura. Línea de Investigación: Computación, automatización y gestión de datos en agricultura.
Investigadores: Alaine Margarete Guimarães (Responsable del Proyecto)
Rafael Mazer Etto (Responsable del Proyecto)
Durante la maduración de los frutos, ocurren cambios fisiológicos y bioquímicos en respuesta a la expresión diferencial de varios genes. En frutos climatéricos, como el tomate y el plátano, la maduración ocurre concomitantemente con un pico en la respiración y el aumento en la producción de etileno. En los frutos no climatéricos, como la uva y la fresa, no hay pico respiratorio a pesar de responder al etileno exógeno. Estudios realizados principalmente en tomates, un modelo de fruto climatérico de pulpa, han proporcionado información importante sobre la participación del etileno en la maduración de los frutos climatéricos; sin embargo, se sabe poco sobre este proceso en los frutos no climatéricos. Debido al gran número de técnicas de transformación genética bien establecidas, las herramientas genéticas y genómicas disponibles y la presencia de variedades categorizadas como climatéricas y no climatéricas, el melón (Cucumis melo L.) se ha convertido en un modelo alternativo para estudiar la maduración de frutos de pulpa, percepción del etileno y señalización. Por lo tanto, este trabajo tiene como objetivo identificar los genes expresados diferencialmente en los melones climatéricos del grupo Cantalupensis (Cucumis melo var. cantalupensis) del tipo charentais y los melones no climatéricos del grupo inodorus (Cucumis melo var. inodorus) del tipo valenciano en diferentes etapas de la maduración de los frutos. Se utilizarán técnicas como hibridación sustractiva y qPCR. Para evaluar la influencia del etileno en el proceso de maduración, los frutos de los diferentes grupos en estudio se someterán a la presencia y ausencia de la aplicación de este fitohormona días después de la floración completa en la planta o después de la cosecha. Así, se pretende identificar genes importantes en la cascada de maduración de frutos no climatéricos y luego cuantificarlos para, si es posible, proponer un modelo de regulación para este grupo. Línea de Investigación: Modelado computacional aplicado.
Rosane Falate (Responsable del Proyecto)
Descripción: Este proyecto busca desarrollar un sistema computacional para la determinación de características de raíces, de acuerdo con las necesidades señaladas por los especialistas del área. Línea de Investigación: Computación, automatización y gestión de datos en agricultura.
Arion de Campos Junior
Jose Carlos Ferreira da Rocha
Rafael Mazer Etto (Responsable del Proyecto)
El suelo gobierna la productividad de las plantas y mantiene ciclos biogeoquímicos esenciales debido a la acción de microorganismos. Aunque el suelo está habitado por poblaciones que incluyen macrofauna, mesofauna, microfauna y microflora, se estima que el 80-90% de los procesos que ocurren en él, incluyendo el reciclaje de nutrientes, son mediados por microorganismos. Datos estadísticos indican que 1 gramo de suelo puede contener alrededor de 10 mil millones de microorganismos. Sin embargo, el 95-99% de estos microorganismos solo pueden ser identificados por técnicas moleculares, independientes del cultivo. Actualmente, la reducción de los costos en la generación de datos moleculares y los avances en tecnologías de alto rendimiento han exigido la formación de nuevos profesionales en agricultura, con conocimientos en bioinformática, capaces de comprender y analizar el creciente número de datos moleculares. En esta perspectiva, el presente proyecto tiene como objetivo desarrollar y aplicar métodos analíticos y computacionales en estudios de genómica, proteómica, metagenómica, filogenia y ecología microbiana del suelo. Línea de Investigación: Modelado Computacional Aplicado.
Investigadores:
Luciano Jose Senger (Responsable del Proyecto)
Descripción:
La computación paralela y distribuida tiene como objetivo resolver problemas computacionales mediante el uso de computadoras interconectadas, que trabajan juntas para resolver un solo problema. Este enfoque permite reducir costos y mejorar el rendimiento de los procesos computacionales. El objetivo principal de este proyecto temático es estudiar técnicas de procesamiento paralelo y distribuido para el desarrollo de software que permita ejecutar aplicaciones en diferentes plataformas. Entre las plataformas distribuidas existentes para la computación se encuentran procesadores multi-core (de dos/cuatro núcleos), clústeres de computadoras personales, máquinas de procesamiento masivamente paralelo, redes de computación (grids) y redes P2P (peer-to-peer). Otros objetivos del proyecto incluyen el estudio teórico de modelos de evaluación de rendimiento y la planificación de aplicaciones, utilizando técnicas de simulación computacional y experimentación práctica. Con la implementación del programa de maestría en computación aplicada en UEPG, este proyecto temático también enfocará esfuerzos en el desarrollo de aplicaciones paralelas para problemas agrícolas, como minería de datos distribuida y optimización mediante algoritmos y heurísticas paralelas. Actualmente, los esfuerzos se dirigen a la aplicación de técnicas de procesamiento paralelo para problemas no específicos, a través de la definición de bibliotecas de software genéricas. Por lo tanto, existe un gran conocimiento en investigación y desarrollo de software que puede aplicarse directamente para resolver problemas en agricultura.
Este proyecto temático incluye dos proyectos principales, apoyados respectivamente por CNPq y Fundação Araucária. El primer proyecto, titulado “Metaheurísticas de Recocido Simulado para la Planificación Basada en Conocimiento en Sistemas de Computación Distribuida”, propone un estudio sobre el uso de la metaheurística de recocido simulado (SA) para la planificación basada en conocimiento en sistemas de computación distribuida. Este algoritmo utiliza características de ejecución de aplicaciones obtenidas a través de modelos de extracción de características para guiar las decisiones de la metaheurística. Una planificación efectiva es extremadamente importante para mejorar el rendimiento en sistemas paralelos.
El segundo proyecto, titulado “Un Marco para la Computación Paralela y Distribuida en Redes P2P”, fue concebido a partir de las limitaciones identificadas en el desarrollo de aplicaciones distribuidas sobre redes P2P debido a la complejidad de diseñar e implementar estas aplicaciones en tales redes. Este proyecto propone definir e implementar un marco para facilitar el desarrollo y la ejecución de aplicaciones en redes P2P. El marco consistirá en un conjunto de bibliotecas de programación que se utilizarán en la implementación de aplicaciones distribuidas y software de gestión, monitoreo y planificación de procesos para aplicaciones paralelas y distribuidas creadas utilizando esta biblioteca.
Este proyecto temático cuenta con la participación de investigadores del Departamento de Informática de UEPG, del Instituto de Ciencias Matemáticas y Computación de USP (ICMC/USP) y de la Universidad de St. Francis Xavier, Canadá. Los resultados de la investigación en evaluación de rendimiento y planificación de aplicaciones se han publicado en revistas del campo e incluyen los siguientes premios: Outstanding Paper Award en la IEEE International Conference on Computational Science and Engineering (2008); IEEE Outstanding Paper Award: 21st IEEE International Conference on Advanced Information Networking and Applications (AINA-07) (2007); IEEE Computer Society 2006 Best Paper Award: IEEE International Conference on Advanced Information Network and Applications (AINA 2006), IEEE Computer Society (2006).
Línea de Investigación: Modelado Computacional Aplicado
Investigadores:Alaine Margarete Guimarães (Responsable del Proyecto)
Arion de Campos Junior
Eduardo Fávero Caires
José Carlos Ferreira da Rocha
Descripción:
La investigación en Minería de Datos (MD), que tiene como objetivo el desarrollo y uso de técnicas automáticas para explorar grandes cantidades de datos con el fin de descubrir nuevos patrones y relaciones, evoluciona en diferentes direcciones. Uno de los desafíos de la MD es analizar datos que presentan características consideradas difíciles para el descubrimiento de conocimiento, entre ellas: desbalanceo, atributos numéricos reales, numerosos atributos y series temporales. Estas características están presentes en una serie de bases de datos agronómicas, entre ellas bases de datos de agricultura de precisión y datos agroclimáticos. La agricultura de precisión, debido al gran volumen generado de datos físicos y químicos del suelo, asociado al perfil georreferenciado de los mismos, requiere el desarrollo de técnicas inteligentes de análisis e identificación de patrones que puedan aplicarse a dichos datos. El uso de datos agroclimáticos está presente en diversos segmentos de la agricultura. Sin embargo, estos datos se presentan en gran volumen, a menudo con errores y fallos de observación, requiriendo cuidados en su análisis y uso.Además, la asociación de estos datos con información de diferentes cultivos puede establecer relaciones edafoclimáticas que contribuyan a la predicción de enfermedades en las plantas. El grupo de investigación del laboratorio Infoagro ha estado desarrollando investigaciones para encontrar relaciones entre datos de variables agroclimáticas asociadas a los cultivos de soja y trigo, con el objetivo de predecir la probabilidad de manifestación de agentes agresores en los cultivos. En este contexto, la Minería de Datos puede contribuir a la identificación de patrones de comportamiento no obvios en los cultivos debido a las condiciones ambientales.Así, la agricultura presenta bases de datos complejas que constituyen desafíos para el campo de la Minería de Datos, al mismo tiempo que requiere métodos inteligentes de análisis de datos que proporcionen avances y toma de decisiones estratégicas.El objetivo de este proyecto es estudiar, desarrollar y aplicar métodos de Minería de Datos (MD) para el descubrimiento de conocimiento en bases de datos agrícolas, considerando aquellas que involucren datos físicos y químicos del suelo, agroclimáticos, desbalanceados, temporales y georreferenciados.El Programa de Maestría en Computación Aplicada cuenta con varios docentes que desarrollan investigaciones relacionadas con la minería de datos y el análisis de datos agrícolas, lo que proporciona una fuerte integración para este proyecto temático, permitiendo investigaciones sobre: Determinación de funciones objetivas y subjetivas para la minería de datos agrícolas; Uso de técnicas de Minería de Datos para la determinación de criterios de nutrientes en sistemas de siembra directa; Computación Evolutiva en Minería de Datos Agrícolas; Uso de Redes Neuronales, Teorías Difusas y Redes Bayesianas en la minería de datos agrícolas; Sistemas Híbridos; Sistemas Distribuidos para minería de datos; Optimización Multiobjetivo por Nube de Partículas y Minería de Datos; Minería de datos temporales; Minería de datos georreferenciados; Visualización de reglas basadas en datos georreferenciados. Línea de Investigación: Computación, Automatización y Gestión de Datos en Agricultura.
Investigadores:
Alaine Margarete Guimarães (Responsable del Proyecto)
Alceu de Souza Britto Junior
José Carlos Ferreira da RochaRosane Falate
Descripción:
En la agricultura, la elección adecuada de maquinaria y equipos es esencial para obtener el máximo rendimiento en la producción. Como uno de los primeros pasos hacia una producción satisfactoria, el proceso de siembra debe ser bien planificado, considerando la distribución de las semillas, incluyendo la siembra en fila de precisión, donde las semillas son dosificadas, permitiendo un espaciado uniforme, siempre que la densidad poblacional promedio esté dentro del rango óptimo para esa variedad.Un factor que afecta directamente la uniformidad de las semillas es el tipo de mecanismo dosificador, siendo el más utilizado el tipo disco perforado. Para elegir el disco dosificador adecuado, entre otros métodos, se realizan análisis que simulan la distribución de semillas en el suelo, los cuales consisten en medir el espaciado entre las semillas subsecuentes y verificar sus disposiciones. Este espaciado se clasifica como aceptable, doble y fallido, de acuerdo con un intervalo predefinido de valores mínimo y máximo. Con base en estos criterios, se prueban varios discos perforados para la semilla deseada, y el que presenta un mejor desempeño en la distribución debe ser considerado. Sin embargo, el procedimiento de análisis adoptado actualmente, que se basa en la observación visual de los espaciados, ha demostrado ser rudimentario y manual en la mayoría de los casos, sobrecargando y permitiendo errores en el proceso. Algunos intentos de automatización se han desarrollado, pero no muestran un comportamiento eficiente y satisfactorio para ser adoptados efectivamente.La coordinadora de este proyecto, junto con el equipo del Laboratorio INFOAGRO/UEPG y la empresa PLÂNTULA-SOCIDISCO, desarrolló un prototipo de sistema para automatizar el proceso de análisis de distribución de semillas en procedimientos de siembra, utilizando una cámara de video y técnicas de Procesamiento Digital de Imágenes (PDI), buscando implementar un sistema simple, de fácil operación y, sobre todo, de bajo costo. Así, se diseñó un método para analizar el espaciado entre semillas en un entorno compuesto por una computadora personal equipada con una placa de captura de imágenes, una cámara de video de bajo costo y un sistema de iluminación simplificado, acoplados a un equipo de simulación de distribución de semillas con una cinta transportadora y un mecanismo dosificador.Los experimentos indicaron que el análisis de siembra utilizando una cámara de video y técnicas de PDI podría ser viable, y que dos problemas encontrados en la literatura, la identificación de dobles en la distribución y el reconocimiento de semillas muy pequeñas, fueron resueltos con las técnicas de procesamiento de imágenes utilizadas. Es necesario aumentar la tasa de aciertos en la identificación de semillas más pequeñas y adyacentes.Un segundo trabajo desarrollado por el equipo consiste en un sistema de evaluación de distribución de semillas basado en sensores que indican la presencia o ausencia de semillas y un sistema de procesamiento de información que cuenta el tiempo transcurrido entre los eventos de detección de las semillas en la cinta transportadora. La distribución longitudinal se determinó utilizando un sensor de reflexión normal y el módulo de detección y actuación RCX del kit LEGO MINDSTORMS 9793, también disponible en LAR. El resultado fue satisfactorio, y ahora se debe estudiar el desarrollo de un circuito integrado dedicado para esta tarea.El objetivo de este proyecto de investigación y desarrollo tecnológico es, basándose en los estudios previamente realizados, desarrollar un sistema inteligente embebido para la automatización del análisis de la distribución longitudinal de semillas en un ambiente previo a la siembra, con el fin de obtener soluciones más adecuadas en términos de costo y rendimiento. Este proyecto incluye estudios en el área de automatización agrícola, inteligencia computacional y modelado de sistemas agrícolas, involucrando a investigadores docentes, estudiantes de iniciación científica, TCC y de posgrado de los programas de Agronomía, Ciencias de la Computación e Ingeniería en Computación. Línea de Investigación: Computación, Automatización y Gestión de Datos en Agricultura.
Investigadores:
Adriel Ferreira da Fonseca
Eduardo Fávero Caires
Maria Salete Marcon Gomes Vaz
Petraq Papajorgji (Responsable del Proyecto)
Selma Regina Aranha Ribeiro
Simone Nasser Matos
Descripción:Investigar técnicas de modelado y optimización de sistemas agrícolas, utilizando metodologías como UML y DDA. El objetivo específico de este proyecto es desarrollar un modelo que permita evaluar la tasa de nutrientes a aplicar al suelo, considerando la cantidad liberada por la planta debido al ciclo de nutrientes en diferentes formas de uso del suelo. Línea de Investigación: Modelado Computacional Aplicado. Proyecto Finalizado.
Investigadores:
Alceu de Souza Britto Junior
Jose Carlos Ferreira da Rocha
Rosane Falate
Sergio Luiz Stevan Junior (Responsable del Proyecto)
Descripción:
Este proyecto tiene como objetivo la recolección de información agroindustrial para el estudio, automatización y desarrollo de técnicas y dispositivos para la producción y procesamiento de productos agrícolas. Para lograr esto, el desarrollo y aplicación de metodologías de instrumentación tanto para el entorno como para los elementos involucrados (fauna y flora) es una parte fundamental del trabajo a desarrollar. Como resultado inmediato, se espera que el desarrollo e instrumentación de procesos agroindustriales conduzca a la divulgación científica y, si es posible, al depósito de patentes relacionadas. Línea de Investigación: Computación, Automatización y Gestión de Datos en Agricultura. Proyecto Finalizado.