Banca de QUALIFICAÇÃO: THAÍS MACHADO DE SOUZA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : THAÍS MACHADO DE SOUZA
DATA : 02/07/2026
HORA: 13:30
LOCAL: Galpão de Máquinas Agrícolas - IT/DE
TÍTULO:

CLASSIFICAÇÃO AUTOMÁTICA DE CULTURAS AGRÍCOLAS (MILHO E SORGO) UTILIZANDO VISÃO COMPUTACIONAL, APRENDIZADO PROFUNDO E INTEGRAÇÃO EM AMBIENTE QGIS

PALAVRAS-CHAVES:

inteligência artificial, sensoriamento remoto, geotecnologias, agricultura de precisão, plantas daninhas

PÁGINAS: 28
RESUMO:

O manejo de plantas daninhas representa um dos principais desafios da agricultura moderna, devido aos impactos diretos na produtividade agrícola, nos custos de produção e à aplicação em área total de herbicidas. Nesse contexto, a agricultura de precisão associada à inteligência artificial surge como alternativa estratégica para otimizar o monitoramento e o manejo fitotécnico nas culturas do milho e do sorgo. Este projeto propõe o desenvolvimento de um sistema baseado em visão computacional e aprendizado profundo capaz de reconhecer automaticamente a cultura principal presente na área agrícola e identificar como plantas daninhas os indivíduos vegetais que apresentarem padrões distintos da cultura-alvo. O sistema será desenvolvido em ambiente Python, utilizando arquiteturas de deep learning aplicadas à classificação, detecção e segmentação semântica de imagens obtidas por Aeronaves Remotamente Pilotadas, possibilitando alta resolução espacial e maior detalhamento das áreas analisadas. Além disso, serão consideradas imagens obtidas em diferentes estádios fenológicos das culturas agrícolas e das plantas daninhas, visando aumentar a robustez e a capacidade de generalização dos modelos computacionais em condições reais de campo. Posteriormente, a solução será integrada ao ambiente QGIS por meio de um plug-in capaz de gerar mapas georreferenciados de infestação, permitindo análises espaciais e suporte à tomada de decisão no manejo localizado. Espera-se que o modelo contribua para a aplicação localizada de herbicidas, aumento da eficiência operacional e fortalecimento das práticas sustentáveis na agricultura. Além disso, o trabalho pretende integrar inteligência artificial, sensoriamento remoto, geotecnologias e agricultura de precisão em uma ferramenta aplicada, reprodutível e de potencial utilização por pesquisadores, produtores e profissionais do setor agrícola.

MEMBROS DA BANCA:
Presidente - 1050615 - MURILO MACHADO DE BARROS
Interno - 2161955 - ANDERSON GOMIDE COSTA
Externa ao Programa - 3132531 - PRISCILA DE LIMA E SILVA - UFRRJ