Projetos de Pesquisa – Programa de Pós-Graduação em Computação Aplicada

USO DE VEÍCULOS AÉREOS NÃO TRIPULADOS PARA AVANÇOS NO AGRONEGÓCIO

SISTEMA PARA META-ANÁLISE DE EXPERIMENTOS EM FITOPATOLOGIA COM TRATAMENTOS DE BAIXA AMPLITUDE NUMÉRICA NA PRODUTIVIDADE OU SEVERIDADE DA DOENÇA

Pesquisadores:
Alaine Margarete Guimarães
Marcelo Giovanetti Canteri (Responsável pelo Projeto)

Descrição:
Em análises tradicionais de ensaios, para algumas variáveis observa-se pouca diferença numérica entre os tratamentos, levando frequentemente a não se observar diferenças estatísticas significativas, porém apresentando tendências. Isto permite conclusões subjetivas ou a ausência de conclusões, podendo levar a ciência a ficar a mercê do marketing. A meta-análise, além de outras vantagens, permite fugir desta ausência de conclusões realizando uma análise conjunta de vários experimentos já publicados. A meta-análise é uma síntese estatística sistemática de resultados de pesquisas anteriores sobre um tópico, e sua ênfase é sobre a produção de conclusões quantitativas. Difere, portanto, de uma revisão narrativa usada em teses e dissertações. Permite conclusões estatisticamente significativas para variáveis que sob a experimentação tradicional, em ensaios isolados, não atingem nível de significância. Podem ser utilizados dados de trabalhos publicados, ou registros de campo, ou ainda pode ser uma mistura com dados novos, coletados pelo próprio executor da meta-análise. A aplicação da técnica cresceu na última década e já foi utilizada em mais de 5.000 trabalhos publicados na área médica, mas ainda é pouco utilizada na área agronômica. A presente proposta tem por objetivo: a) desenvolver um sistema computacional para realização de meta-análise voltado para experimentos agronômicos; e b) realizar a meta-análise aplicada aos problemas fitopatológicos, em quatro áreas distintas, de acordo com as especialidades dos pesquisadores envolvidos no projeto. As áreas pesquisadas envolvem temas onde, em ensaios tradicionais, observa-se pouca diferença numérica entre os tratamentos, levando frequentemente a não apresentar diferenças estatísticas significativas. As quatro áreas abordadas serão: plantio direto (palhada, umidade do solo, revolvimento do solo e cultura anterior afetando as doenças e a produtividade), fertilidade do solo (nitrogênio, fósforo e potássio afetando a severidade das doenças), tratamento de sementes (químico, biológico e físico afetando a produtividade), formas aplicação de fungicidas (horário, taxa, tamanho de gota e adjuvante afetando a eficiência de controle de doenças) para as culturas de soja, milho, trigo e feijão. Para cada um dos assuntos serão conduzidos ensaios sob dois anos agrícolas e também serão realizados levantamentos bibliográficos extensivos, usando-se meios virtuais (portal de periódicos) e físicos (bibliotecas). Serão extraídos os dados numéricos de cada artigo, a fim de gerar tabelas. A meta-análise usará estas tabelas para novos cálculos estatísticos em conjunto. Nesta fase será definido o melhor modelo para análise dos dados, entre os modelos de efeitos fixos (FIXED), efeitos randômicos (RANDOM), máxima verossimilhança (ML), máxima verossimilhança restrita (REML), método dos momentos (MM) e múltiplas entradas com máxima verossimilhança (MLMI). A fase final consistirá na validação do software e na elaboração da sumarização sistemática e numérica dos dados em conjunto, a qual não será uma simples revisão narrativa. A equipe executora é atuante no programa de pós-graduação em Agronomia da UEL e no programa de pós-graduação em Computação Aplicada da UEPG e contará com suporte de pesquisadores da EMBRAPA e UFRS, além do apoio do Prof. Dr. Laurence V. da Ohio State University. Linha de Pesquisa: Modelagem computacional aplicada.

PROCESSAMENTO DIGITAL DE IMAGENS EM PROBLEMAS AGRÍCOLAS

MÉTODOS COMPUTACIONAIS EM FISIOLOGIA PÓS-COLHEITA E PRODUÇÃO DE FRUTÍFERAS

IDENTIFICAÇÃO E ANÁLISE DE GENES DIFERENCIALMENTE EXPRESSOS DURANTE A MATURAÇÃO DOS FRUTOS DE MELÃO CLIMATÉRICOS E NÃO CLIMATÉRICOS

Pesquisadores:
Rafael Mazer Etto (Responsável pelo Projeto)

Descrição:
Durante a maturação dos frutos, ocorrem mudanças fisiológicas e bioquímicas em resposta à expressão diferencial de vários genes. Em frutos denominados climatéricos, como o tomate e a banana, o amadurecimento ocorre concomitantemente a um pico na respiração e o aumento na produção de etileno. Já nos não climatéricos, como a uva e o morango, não há pico respiratório apesar de responderem ao etileno exógeno. Estudos realizados principalmente em tomate, modelo climatério de fruto de polpa, geraram informações importantes sobre o envolvimento do etileno na maturação dos frutos climatéricos; entretanto, pouco se sabe sobre esse processo em frutos não climatéricos. Devido ao grande número de técnicas de transformação genética bem estabelecidas, as ferramentas genéticas e genômicas disponíveis e a presença de variedades categorizadas como climatéricas e não climatéricas, o melão (Cucumis melo L.) tornou-se um modelo alternativo para o estudo da maturação de frutos de polpa, percepção do etileno e sinalização. Diante disso, neste trabalho pretende-se identificar os genes diferencialmente expressos nos frutos de melão climatéricos do grupo Cantalupensis (Cucumis melo var. cantalupensis) do tipo charentais e não climatéricos do grupo inodorus (Cucumis melo var. inodorus) do tipo valenciano em diferentes fases do amadurecimento dos frutos. Para tal serão utilizadas as técnicas de hibridização subtrativa e qPCR. A fim de avaliar a influência do etileno no processo de maturação, os frutos dos diferentes grupos em estudo serão submetidos à presença e ausência da aplicação deste fitohormônio dias após a plena floração na planta ou após a sua colheita. Dessa forma, pretende-se identificar genes importantes da cascata de amadurecimento de fruto não climatérico e, em seguida, quantificá-los para, se possível, propor um modelo de regulação para esse grupo. Linha de Pesquisa: Modelagem computacional aplicada

DESENVOLVIMENTO DE FERRAMENTA COMPUTACIONAL PARA AUXÍLIO NA MENSURAÇÃO DE ATRIBUTOS DA DINÂMICA DE RAÍZES

BIOINFORMÁTICA APLICADA À MICROBIOLOGIA DO SOLO

COMPUTAÇÃO PARALELA E DISTRIBUÍDA: TEORIA E APLICAÇÕES NA AGRICULTURA

Pesquisadores:
Luciano Jose Senger (Responsável pelo Projeto)

Descrição:
A computação paralela e distribuída tem como objetivo a resolução de problemas computacionais através da utilização de computadores interligados, que são empregados de maneira conjunta para a resolução de um mesmo problema. Tal abordagem permite a redução de custos e a melhoria de desempenho dos processos computacionais. O objetivo principal deste projeto temático é o estudo das técnicas de processamento paralelo e distribuído, para o desenvolvimento de software que permita a execução de aplicações em diferentes plataformas. Dentre as plataformas distribuídas existentes para a computação destacam-se processadores multi-núcleos (dual/quad cores), agrupamentos (clusters) de computadores pessoais, máquinas de processamento maçiçamente paralelo, grades computacionais (grids) e redes P2P (peer-to-peer). São também objetivos do projeto o estudo teórico de modelos de avaliação de desempenho e escalonamento de aplicações, através de técnicas de simulação computacional e experimentação prática. Com a implantação do programa de mestrado em computação aplicada da UEPG, esse projeto temático direcionará também esforços no desenvolvimento de aplicações paralelas para problemas da área de agricultura, como mineração de dados distribuída e otimização através de algoritmos e heurísticas paralelas. Atualmente, esforços tem sido direcionados para aplicação de técnicas de processamento paralelo para problemas não específicos, através da definição de bibliotecas de software genéricas. Assim, existe um grande conhecimento na pesquisa e desenvolvimento de software que pode ser aplicado diretamente para a resolução de problemas da área de agricultura. Este projeto temático conta com dois projetos principais, apoiados respectivamente pelo CNPQ e pela Fundação Araucária. O primeiro projeto, intitulado ?Metaeurística simulated annealing para o escalonamento de processos apoiado em conhecimento em sistemas computacionais distribuídos?, propõe um estudo sobre a utilização da metaeurística de simulated annealing, (SA), para o escalonamento apoiado em conhecimento em sistemas computacionais distribuídos. Esse algoritmo utiliza as características de execução das aplicações, obtidas através de modelos de extração de características para orientar as decisões da metaeurística. Um bom escalonamento é extremamente importante para melhorar o desempenho em sistemas paralelos. O segundo projeto, intitulado “Um framework para a computação paralela e distribuída em redes P2P? foi idealizado a partir das constatações feitas sobre as limitações existentes no desenvolvimento de aplicações distribuídas sobre redes P2P (peer-to-peer), em virtude da complexidade das etapas de projeto e implementação dessas aplicações nessas redes. Dentro desse contexto, este projeto propõe a definição e implementação de um framework (arcabouço de software) que permita facilitar o desenvolvimento e execução de aplicações em redes P2P. Esse framework será composto de um conjunto de bibliotecas de programação, que serão usadas na implementação das aplicações distribuídas, e de softwares de gerência, monitoração e escalonamento dos processos que compõem as aplicações paralelas e distribuídas criadas usando essa biblioteca. Esse projeto temático conta com a participação de pesquisadores do departamento de Informática da UEPG, do Instituto de ciências matemáticas e computação da USP (ICMC/USP) e da universidade de St. Francis Xavier, Canadá. Resultados de pesquisas na área de avaliação de desempenho e escalonamento de aplicações tem sido publicados em períódicos da área e destacam-se também os seguintes prêmios: Outstanding paper award on 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). Linha de Pesquisa:Modelagem Computacional Aplicada.

MINERAÇÃO DE DADOS AGRÍCOLAS

Pesquisadores:
Alaine Margarete Guimarães (Responsável pelo Projeto)
Arion de Campos Junior
Eduardo Fávero Caires
José Carlos Ferreira da Rocha

Descrição:
As pesquisas em Mineração de dados (MD), que tem como objetivo o desenvolvimento e uso de técnicas automáticas de exploração de grandes quantidades de dados de forma a descobrir novos padrões e relações nos mesmos, evoluem em diferentes direções. Um dos desafios da MD está em analisar dados que apresentam características consideradas difíceis para a descoberta de conhecimento, entre elas: serem desbalanceadas, possuirem atributos numéricos reais, atributos numerosos e séries temporais. Essas características estão presentes em um série de bases de dados agronômicas, entre elas bases de dados de agricultura de presisão e dados agroclimáticos. A agricultura de precisão, em função do grande volume gerado de dados físicos e químicos do solo, associado ao perfil georreferenciado dos mesmos, demanda de desenvolvimento de técnicas inteligentes de análise e identificação de padrões que possam ser aplicadas sobre tais dados. Já o uso de dados agroclimáticos está presente em diversos segmentos da agricultura. Ocorre que esses dados apresentam-se em grande volume, muitas vezes com alguns erros e falhas de observação, requerendo cuidados na análise e uso dos mesmos. Ainda, a associação desses dados com informações de diferentes culturas pode estabelecer relações edafoclimáticas que contribuam na previsão de doenças em plantas. O grupo de pesquisas do laboratório Infoagro vem desenvolvendo pesquisas buscando relações entre dados de variáveis agroclimáticas associadas à cultura da soja e trigo, visando prever a possibilidade de manifestação de agentes agressores nas culturas. Nesses contexto, a Mineração de dados pode contribuir na identificação de padrões de comportamente não óbvios nas culturas em função das condições ambientais. Assim a agricultura apresenta bases de dados complexas que constituiem desafios para a área de Mineração de Dados, ao mesmo tempo em que necessita de métodos inteligentes de análise de dados que proporcionem avanços e tomadas de decisõe estratégicas. O objetivo deste projeto é estudar, desenvolver e aplicar métodos de Mineração de Dados (MD)para a descoberta de conhecimento em bases de dados agrícolas considerando aquelas que envolvam dados físicos e químicos do solo, agroclímáticos, desbalanceados, temporais e georreferenciados. O Programa de Mestrado em Coomputação Aplicada possui vários docentes que desenvolvem pesquisas ligadas à área de mineração de dados e análise de dados agrícolas o que proporciona forte integração dos mesmos na condução desse projeto temático, possibilitando o desenvolvimento de pesquisas sobre: Determinação de funções objetivas e subjetivas para mineração de dados agrícolas; Uso de técnicas de Mineração de Dados na determinação de critérios de nutrientes em sistema plantio direto; Computação Evolutiva em Mineração de Dados Agrícolas; Uso de Redes Neurais, Teorias Fuzzy e Redes Bayesianas em mineração de dados agrícolas; Sistemas híbridos; Sistemas distribuídos para mineração de dados; Otimização Multi-objetivo por Nuvem de Partículas e Mineração de Dados; Mineração de dados temporais; Mineração de dados georreferenciados; Visualização de regras baseadas em dados georreferenciados. Linha de Pesquisa: Computação, Automação e Gestão de Dados em Agricultura.

SISTEMA PARA AUTOMAÇÃO DA ANÁLISE DE DISTRIBUIÇÃO DE SEMENTES

Pesquisadores:
Alaine Margarete Guimarães (Responsável pelo Projeto)
Alceu de Souza Britto Junior
José Carlos Ferreira da Rocha
Rosane Falate

Descrição:
Na agricultura, a escolha adequada dos maquinários e equipamentos é essencial para se obter o máximo de rendimento na produção. Como um dos primeiros passos para uma produção satisfatória, o processo de semeadura deve ser bem planejado, levando em consideração a forma de distribuição das sementes, entre elas a distribuição em linha de precisão, onde as sementes são dosadas, devendo haver um espaçamento uniforme entre as mesmas, sendo permitida uma pequena variação, desde que a densidade de população média esteja dentro do limite considerado ótimo para aquela variedade. Um fator que afeta diretamente a uniformidade das sementes é o tipo de mecanismo dosador, sendo mais empregado o do tipo disco perfurado. Para a escolha adequada do disco dosador, entre outras formas, são realizadas análises que simulam a distribuição de sementes no solo, as quais consistem em medir o espaçamento entre as sementes subseqüentes e verificar suas disposições. Esse espaçamento é classificado como aceitável, dupla e falha, de acordo com um intervalo com valores mínimo e máximo pré-definido. Com base nesses critérios, são testados vários discos perfurados para a semente que se deseja, e o que apresenta um desempenho melhor em relação à distribuição, deve ser considerado. No entanto, observa-se que o procedimento de análise adotado atualmente, que tem por base a observação visual dos espaçamentos, tem se apresentado de forma rudimentar e manual na maioria dos casos, sobrecarregando e permitindo falhas no processo. Algumas tentativas de automatização têm sido desenvolvidas, porém não apresentam comportamento eficiente e satisfatório para serem efetivamente adotadas. A coordenadora deste projeto, em conjunto com a equipe do Laboratório INFOAGRO/UEPG e a empresa PLÂNTULA-SOCIDISCO desenvolveu um protótipo de sistema para automatizar o processo de análise de distribuição de sementes em procedimentos de semeadura, utilizando uma câmera de vídeo e técnicas de Processamento Digital de Imagem (PDI), tendo-se buscado implementar um sistema simples, de fácil operação, e principalmente, de baixo custo. Dessa forma, projetou-se um método de análise de identificação de espaçamento entre sementes em um ambiente composto por um microcomputador pessoal dotado de placa de captura de imagem, uma filmadora de baixo custo, e um sistema simplificado de iluminação, acoplados a um equipamento de simulação de distribuição de sementes dotados de uma esteira e um mecanismo dosador. Experimentos realizados com indicaram que a análise de semeadura utilizando câmera de vídeo e técnicas de PDI pode ser viável, sendo que dois problemas encontrados na literatura, a identificação de duplas na distribuição e o reconhecimento de sementes muito pequenas, foram resolvidos com as técnicas de processamento de imagens utilizadas. É necessário aumentar a taxa de acerto na identificação de sementes menores e justapostas. Um segundo trabalho desenvolvido pela equipe consiste de um sistema de avaliação de distribuição de sementes desenvolvido com base em sensores que indicam a presença ou não de semente e um sistema de processamento de informação que conta o tempo decorrido entre as ocorrências de detecção das sementes lançadas na esteira. A determinação da distribuição longitudinal foi feita por meio da utilização de um sensor de reflexão normal e do módulo de detecção e atuação RCX do kit LEGO MINDSTORMS 9793, também existente no LAR. O resultado foi satisfatório, devendo ser estudado agora o desenvolvimento de um circuito integrado dedicado para essa tarefa. O objetivo deste projeto de pesquisa e desenvolvimento tecnológico é, com base nos estudos previamente realizados, desenvolver um sistema inteligente embarcado para automação da análise de distribuição longitudinal de sementes em ambiente pré-plantio, visando obter soluções mais adequadas, em termos de custo e desempenho. O presente projeto contempla estudos na área de automação agrícola, inteligência computacional e modelagem de sistemas agrícolas, envolvendo docentes pesquisadores, alunos de iniciação científica, TCC e de pós-graduação dos cursos de Agronomia, Bacharelado em Informática e Engenharia de Computação. Linha de Pesquisa:Computação, Automação e Gestão de Dados em Agricultura.

SISTEMAS INTELIGENTES PARA A AGRICULTURA – SIAGRI

Pesquisadores:
Alaine Margarete Guimarães
Alceu de Souza Britto Junior
José Carlos Ferreira da Rocha (Responsável pelo Projeto)
Luciano Jose Senger
Marcelo Giovanetti Canteri

Descrição:
O projeto Sistemas Inteligentes para a Agricultura (SIAGRI) pretende empregar métodos oriundos da pesquisa em Inteligência Artificial para resolver de problemas de tomada de decisão em tarefas que exigem a automação de processos que demandam a análise de uma grande quantidade de informações e a conhecimento da área agrícola. Entre estas tarefas destacam-se o diagnóstico de doenças na lavoura, a estimativa da severidade de doenças e a emissão de alertas referentes a fenômenos climáticos e à proliferação de doenças. Também é objetivo deste projeto o desenvolvimento de frameworks e metodologias computacionais que possibilitem ou facilitem o desenvolvimento de sistemas inteligentes para os problemas propostos. Neste contexto, um dos objetivos específicos do SIAGRI é propor e avaliar a adequação heurística, computacional e epistemológica do uso de esquemas de representação de conhecimento e mecanismos de inferencia baseados em lógica e teoria de probabilidades no desenvolvimento aplicações para a agricultura que envolvam tomada de decisão sob incerteza. Aqui também se considera a criação de shells especializados para o confecção de sistemas de apoio a decisão na agricultura e o desenvolvimento de algoritmos de inferencia lógica e probabilística de forma que os mesmos possam ser utilizados em sistemas embarcados e sistemas web. Entre os formalismos utilizados para atacar estes objetivos destacamse: redes bayesianas, redes credais, modelos escondidos de Markov e lógica probabilística. Os pesquisadores envolvidos neste trabalho são os doutores José Carlos Ferreira da Rocha e Marcelo G. Canteri. Um segundo objetivo específico é desenvolver sistemas para diagnóstico e alerta de doenças em plantas com o uso de redes neurais artificiais. Nesse sentido vem sendo desenvolvido o projeto SINTRIGO, descrito a seguir: Projeto SINTRIGO: Um dos maiores problemas que afetam a produtividade do trigo na região dos Campos Gerais do Paraná é a ocorrência de doenças, que são fortemente influenciadas pelas condições climáticas locais, com destaque para a temperatura e a duração do período de molhamento por orvalho sobre a superfície foliar. Atualmente o uso de estações agrometeorológicas automáticas de baixo custo possibilita o monitoramento e armazenamento de inúmeras variáveis ambientais em escala temporal de alta freqüência, gerando desta forma informações essenciais para a aplicação de técnicas estatísticas que objetivam o reconhecimento de padrões de comportamento para determinado conjunto de informações. Entretanto, dada a enorme capacidade de mutação genética natural dos próprios fenômenos biológicos, os genes que conferem resistência das plantas a certas doenças ou pragas tendem a se modificar constantemente, fazendo com que a pesquisa seja obrigada a re-calibrar seus modelos matemáticos que representam as condições climáticas favoráveis ou não para a ocorrência de determinada doença, demandando disponibilidade de tempo e também de recursos. Diante deste contexto, a presente pesquisa tem por objetivo: Objetivos: A modelagem de um Sistema de Apoio à Decisão (SAD) baseado em Redes Neurais Artificiais (RNAs), capaz de estimar por meio de variáveis climáticas, a influencia destas, no surgimento e desenvolvimento de doenças na cultura do trigo da região dos Campos Gerais do Paraná. Questões norteadoras: Como estimar a doenças do trigo por meio de variáveis climáticas? Como obter resultados parciais a partir de RNAs previamente treinadas? Hipóteses a serem avaliadas: Reconhecimento de padrões de comportamento de variáveis climáticas na estimativa de doenças do trigo. Sistema de Alerta, cujo objetivo seja o desenvolvimento de um sistema de monitoramento on-line de doenças do trigo. Os recursos materiais utilizados no SIAGRO são aqueles do Laboratório de Computação Científica, do Laboratório de Infoagro, ambos os laboratórios são vinculados ao Departamento de Informática da UEPG e da Fundação ABC, parceira na condução dos projetos ligados a essa temática. Linha de Pesquisa: Modelagem Computacional Aplicada.

MODELAGEM E SIMULAÇÃO DE SISTEMAS AGRÍCOLAS

AGRICULTURA DE PRECISÃO NO SISTEMA PLANTIO DIRETO

Pesquisadores:
Alaine Margarete Guimarães
Eduardo Fávero Caires (Responsável pelo Projeto)
Marcelo Giovanetti Canteri
Rosane Falate
Selma Regina Aranha Ribeiro

Descrição:

A variabilidade no solo ocorre tanto vertical como horizontalmente devido à própria natureza dos fatores responsáveis pela sua formação. Este fato ocorre porque o próprio material de origem não é uniforme em toda a sua extensão. No caso de uma área cultivada, existem outras fontes de variabilidade no solo devidas ao manejo exercido pelo homem, como o cultivo em linhas e a conseqüente aplicação localizada de fertilizantes. A busca por um melhor aproveitamento da terra, otimizando a rentabilidade, a sustentabilidade e a proteção do ambiente, firmada na convicção da existência de variabilidade espacial e temporal tanto nas características do solo bem como na produtividade de grãos, deu vazão a criação da área de pesquisa denominada Agricultura de Precisão (AP), também conhecida como Gerenciamento Localizado. A Agricultura de Precisão tem hoje à sua disposição vários componentes tecnológicos. Os recursos mais avançados da eletrônica e da computação, como os Sistemas de Posicionamento Global, também conhecido por GPS (do inglês Global Positioning System), os Sistemas de Informação Geográfica (SIG), os sistemas de controle e aquisição de dados, sensores e atuadores, entre outros, fazem parte da AP. O uso racional dessas tecnologias, utilizadas como ferramentas de acompanhamento, controle e análise, permitem determinar “qual, quando e onde” o insumo deve ser aplicado e “como” fazê-lo. Na Agricultura de Precisão as informações obtidas sobre os diversos processos da produção agrícola consistem de dados manuais que envolvem análises laboratoriais, dados coletados automaticamente por sensores estáticos (instalados no campo) e sensores dinâmicos (instalados nos implementos) e também dados obtidos por sensoriamento remoto. A interpretação das informações é auxiliada por computador e integra sistemas SIG com técnicas de geoestatística, programas de modelagem, entre outros para estabelecer e gerar mapas de controle das operações de campo, como a aplicação de fertilizantes, pesticidas, plantio, irrigação e outras. A maior dificuldade ainda reside em trabalhar o grande volume de informações, referentes à variabilidade espacial e temporal, e interpretá-las para tomada de decisão em campo. O sistema água-solo-planta-atmosfera e os processos físicos, químico, biológicos presentes são complexos, o clima é um fator de grande peso e as incertezas das modelagens devem ser minimizadas para a tomada de decisão. A adoção da Agricultura de Precisão, não somente como um conjunto de componentes eletrônicos, mas como conceito, tem um grande potencial para a racionalização do sistema de produção agrícola moderno devido a: a) diminuição da quantidade de agroquímicos aplicados nos solos e culturas; b) conseqüente redução dos custos de produção e da contaminação ambiental e c) melhoria da qualidade das safras. Assim, a Agricultura de Precisão vem ao encontro das exigências de um mercado globalizado, que requer maior volume de produção, menores preços e técnicas e tecnologias que possam preservar o ambiente. A introdução de novas tecnologias integradas com recursos computacionais visando produtividade e qualidade, tem sido considerada questão estratégica. Dada a forte vocação agrícola brasileira e a importância do agronegócio no panorama econômico nacional, a pesquisa visando o desenvolvimento da sociedade da informação neste setor é por si só um projeto relevante. Não obstante, a informação é a chave para o sucesso de qualquer atividade a qual pode se aperfeiçoar cada vez mais se a informação sobre ela obedecer ao ciclo: obtenção de novas informações seguida da interpretação e utilização dessas novas informações para melhorar a atividade. Apesar do notável suporte tecnológico que alavanca a Agricultura de Precisão, há inúmeras oportunidades em instrumentação e automação nessa área, bem como em sistemas inteligentes para tomada de decisão, por meio da mineração de dados e fusão de sensores. O objetivo deste projeto consiste em realizar estudos de acompanhamento no campo com agricultores que têm utilizado a Agricultura de Precisão no sistema Plantio Direto, para análises de variabilidade espacial de atributos do solo e de economicidade mediante o emprego de máquinas com taxa variável. Vislumbra-se desenvolver tecnologia de custo mais baixo para obter maior alcance pelos agricultores, e também desenvolver metodologias computacionais de análise eficiente do volume de dados gerados nas etapas do processo de AP. Tem ainda como objetivo avaliar se as medidas/resultados obtidos em análise de dados obtidos com equipamentos de AP em Sistema Convencional podem ou não se aplicar no Sistema Plantio Direto. Este projeto estará sendo desenvolvido em parceria com a Bunge Fertilizantes, empresa que conta com mais de 60.000 clientes, atua em todas as etapas da produção de fertilizantes e, desde 1998, utiliza tecnologia de AP. O convênio entre a UEPG e a Bunge foi firmado visando possibilitar a realização de estudos vinculados a AP em áreas de produtores clientes da Bunge Fertilizantes que têm utilizado essa tecnologia. Linha de Pesquisa: Computação, Automação e Gestão de Dados em Agricultura. Projeto Finalizado.

INSTRUMENTAÇÃO E AUTOMAÇÃO DE PROCESSOS AGROINDUSTRIAIS