SENARGO InteligenciaArtificial EB Completo

INTELIGÊNCIA ARTIFICIAL
NO CAMPO
ESTRUTURA ORGANIZACIONAL
Presidente do Conselho Administrativo
José Márcio Schreiner
Superintendente do Senar Goiás

Dirceu Borges
Diretor do Departamento Técnico do Senar Goiás

Flávio Henrique Silva
Gerente de Educação Formal do Senar Goiás

Mara Lopes de Araújo Lima
2
SUMÁRIO
APRESENTAÇÃO 5
MÓDULO 1 - O FASCINANTE MUNDO DA CIÊNCIA DE DADOS E SUAS

9
APLICAÇÕES NO CAMPO
AULA 1 - O que é ciência de dados aplicada ao setor agrícola? 12
AULA 2 - A modernização da agricultura na atualidade 18
AULA 3 - Benefícios da agricultura de precisão inteligente 27
ATIVIDADES DE APRENDIZAGEM 34
MÓDULO 2 - USO DA INTELIGÊNCIA ARTIFICIAL NA CULTURA DA

37
CANA-DE-AÇÚCAR
AULA 1 - A Cana-de-Açúcar no nosso Dia a Dia 39
AULA 2 - Sistematização Inteligente na Cana-de-Açúcar 48
AULA 3 - Inteligência Artificial no Processo de CTT 54
MÓDULO 3 - USO DA INTELIGÊNCIA ARTIFICIAL NA CADEIA DA SOJA 64
AULA 1 - O Uso da Inteligência Artificial na Previsão da Safra e

67
do Preço da Soja
3
AULA 2 - A Inteligência Artificial na Análise de Folhas e Insetos 74
AULA 3 - Percepção dos Agricultores Brasileiros sobre a Adoção de

83
Tecnologia na Agricultura de Precisão e na Agricultura Digital
MÓDULO 4 - USO DA INTELIGÊNCIA ARTIFICIAL NO MANEJO DO GADO 92
AULA 1 - Monitoramento de Gado de Corte 95
AULA 2 - Plataforma Inteligente de Pecuária de Precisão 103
AULA 3 - Ferramentas Básicas para Captação e

109
Transmissão de Dados
ENCERRAMENTO 118
REFERÊNCIAS 121
APRESENTAÇÃO
5
APRESENTAÇÃO
Olá!
Seja bem-vindo ao curso Inteligência artificial no campo, promovido pelo

SENAR Goiás.
Nosso intuito é que você possa compreender como utilizar os sistemas de inte-
ligência artificial para controle e monitoramento na pecuária e na agricultura.
Interessante, não é mesmo?
O curso possui carga horária de 20h e para facilitar seus estudos está dividido em
4 módulos, são eles:
• Módulo 1: O fascinante mundo da ciência de dados e suas aplicações

no campo.
• Módulo 2: Uso da inteligência artificial na cultura da cana-de-açúcar.
• Módulo 3: Uso da inteligência artificial na cadeia da soja.
• Módulo 4: Uso da inteligência artificial no manejo do gado.
IMPORTANTE
Todos os módulos estão organizados em três
aulas e ao final de cada um deles, para avançar,
você precisará, obrigatoriamente, responder às
atividades de aprendizagem. Elas são compostas
de três questões objetivas e você terá duas
chances para escolher a alternativa correta.
Toda vez que você encontrar uma palavra grifada dessa forma, logo abaixo have-
rá uma explicação a respeito do termo que estiver destacado.
Palavras grifadas possuem uma breve explicação sobre o conceito que trata.
6
No espaço a seguir, você pode registrar suas expectativas para esse curso:
Durante o curso você também irá

encontrar podcast e vídeos. Lembre-
se que é importante realizar a leitura
dos textos, assistir as videoaulas e
ouvir o podcast para compreender
todo o conteúdo. Em caso de
dúvidas, monitores e tutores estarão
à disposição para auxiliar.
Para concluir o curso e obter a certificação, é necessário que você realize todas
as atividades de aprendizagem e também responda à pesquisa de satisfação.
O curso é on-line, mas você não está sozinho, sempre que surgir qualquer dificul-
dade, entre em contato por meio do fórum, mensagem, tira-dúvidas, chat ou, se
preferir, por telefone, no número 0800 642 0212.
Preparado? Então, vamos iniciar os estudos. Boa aula!
7
NO CAMPO
MÓDULO 1
O fascinante mundo da ciência de
dados e suas aplicações no campo
O FASCINANTE MUNDO
DA CIÊNCIA DE DADOS
E SUAS APLICAÇÕES
NO CAMPO
9
INTRODUÇÃO
Olá!
Seja bem-vindo ao módulo 1 do curso Inteligência Artificial no Campo. Nesta pri-

meira parte, vamos conhecer “O fascinante mundo da ciência de dados e suas
aplicações no campo”. Para facilitar nossos estudos, as aulas estão divididas da
seguinte forma:
• Aula 1: O que é ciência de dados aplicada ao setor agrícola?
• Aula 2: A modernização da agricultura na atualidade.
• Aula 3: Benefícios da agricultura de precisão inteligente.
Antes de iniciarmos os nossos

estudos, é importante termos em
mente que a população mundial vem
crescendo em um ritmo acelerado e,
com isso, é necessário aumentar a
produção de alimentos, contando com
menos recursos humanos e naturais.
Para suprir essa demanda de forma sustentável, a produção agrícola vem sofren-
do grandes mudanças e, para auxiliar nesse processo, a utilização de tecnolo-
gias disruptivas como ciências de dados, internet of things (IoT), conhecida
como internet das coisas, e inteligência artificial auxiliam o campo a ser mais
eficiente em seus processos.
Caso você não conheça algum desses termos, fique tranquilo, pois todos eles se-
rão explicados ao longo das nossas próximas aulas, ainda neste módulo!
Ainda reforçando a importância do uso das tecnologias no campo, o uso de big

data gerados pelos sensores instalados em máquinas e armazenados em nuvens,
imagens de satélite, visão computacional e aprendizado de máquinas aumentam
significativamente as perspectivas produtivas das lavouras.
10
Essas tecnologias permitem que gestores agrícolas tomem decisões mais assertivas
em suas atividades, diminuindo riscos e aumentando a lucratividade do negócio.
Então, vamos conhecer melhor como a tecnologia pode auxiliar o setor agrícola?
Bons estudos!
11
O QUE É CIÊNCIA DE
DADOS APLICADA AO
SETOR AGRÍCOLA?
AULA 1
12
DEFINIÇÃO DA CIÊNCIA
DE DADOS
Você sabe o que é ciência de dados e como ela pode ser utilizada no agro? É isso
que vamos descobrir neste módulo. Veja abaixo.
CONECTANDO | PODCAST
Você já ouviu falar em ciência de dados? Sabe o que é?
Esse é o termo utilizado para contextualizar a extração de dados de

diversas fontes.
Ela auxilia a análise e a interpretação das informações coletadas.
E pode ser aplicada em vários setores, como indústria, comércio,

agricultura e pecuária.
Atualmente, estamos vivendo na era do big data, você sabe o que é isso?
É um conjunto de dados extremamente grandes e que necessitam de

ferramentas especiais para serem processados e armazenados.
Nesse sentido, a ciência de dados vem se tornando um campo cada vez

mais importante nesse processo.
Essa ferramenta está baseada em três grandes áreas:
Matemática, estatística e ciências da computação, e requer conhecimento

profundo na área de atuação.
No nosso caso, a agricultura e a pecuária.
E agora, ficou mais claro?
13
Durante nossas aulas, vamos entender mais como a ciência de dados
pode contribuir com o campo.
E também como a inteligência artificial tem auxiliado na modernização

das fazendas.
Agora que você já compreendeu o que é ciência de dados e como ela pode con-
tribuir para a agricultura, vamos ver um pouco mais sobre a importância dessa
tecnologia para o campo. Vamos lá?
A IMPORTÂNCIA DA CIÊNCIA DE
DADOS NO CAMPO
Atualmente, o setor agrossilvipastoril vem se tornando uma das principais
áreas para aplicação da ciência de dados, devido ao enorme volume de informa-
ções que podem ser geradas com a inovação tecnológica. Veja como a tecnologia
tem contribuído com o setor agrícola:
A utilização de drones, aplicativos de

smartphones, robôs e sensores que
podem auxiliar na medição da temperatura,
da umidade e do gás, ajudam os produtores
a tomarem decisões mais assertivas dentro
da porteira.
Na produção de alimentos em estufas, por exemplo, o produtor pode decidir

acionar uma automação de abertura de janelas de ventilação ou até mesmo ligar
os ventiladores quando os sensores de temperatura mostrarem níveis acima do
normal. Para algumas hortaliças, como o tomate, o excesso de temperatura acar-
reta o abortamento das flores, impedindo a geração dos frutos.
14
O uso da ciência de dados traz para
o campo um aumento expressivo de
eficiência na gestão e nas operações de
diversos setores, como hortifrúti, máquinas,
produção de grãos, cana-de-açúcar,
pecuária leiteira e de corte, produção de
aves de postura e corte, além de suínos e
florestas plantadas.
Agora que vimos como a tecnologia pode auxiliar em várias áreas do campo, va-
mos conhecer um pouco mais o papel de quem faz a extração dessas informa-
ções para o agricultor: o cientista de dados.
O CIENTISTA DE DADOS
NA AGRICULTURA
O cientista de dados pode extrair

informações tanto na agricultura quanto
na produção animal.
Veja abaixo as possibilidades em cada uma das áreas:
Agricultura: Na agricultura, o cientista de dados tem como missão criar algorit-

mos capazes de extrair informações que possam auxiliar a melhorar as caracte-
rísticas de fertilidade do solo, identificar doenças foliares, melhorar a eficiência e
a economia de óleo diesel nas atividades mecanizadas, como no preparo de solo,
sistematização de área, aplicação de corretivos agrícolas, plantio, pulverização
e colheita.
15
Produção animal: Na produção animal, esse profissional deverá conseguir me-
lhorar a eficiência do ganho de peso diário, da conversão alimentar, do tempo de
confinamento e da produção de leite, carne e ovos.
Agora, para seguir nossos estudos, precisamos identificar a diferença entre a

ciência de dados e a análise de dados. Vamos lá!
CIÊNCIA DE DADOS
X
ANÁLISE DE DADOS
Com base no que vimos até aqui, é importante sabermos que existem diferenças
significativas entre as pessoas que lidam com essas atividades, como o cientista
de dados e o analista de dados. Vamos conhecer cada um deles:
O cientista de dados é o responsável

por utilizar diversas tecnologias
e métodos, como algoritmos,
para obtenção, organização e
processamento de informações, com a
finalidade de agregar valor ao negócio.
Além disso, ele deve se preocupar com
o armazenamento e a segurança dos
dados, realizando o armazenamento
em um meio físico ou em nuvem.
16
O analista de dados lida com a análise de
dados, ou data analytics, que é uma parte
mais específica da ciência de dados. Esse
profissional busca encontrar parâmetros
e tendências, através de previsões
estatísticas e análises, para a obtenção
de bons resultados que vão auxiliar as
decisões mais eficazes do negócio.
Agora que já conhecemos o que é a ciência de dados, sua importância e como ela
pode ser utilizada no campo, antes de iniciarmos a próxima aula, pense no que
vimos até aqui e registre no espaço abaixo quais recursos tecnológicos poderiam
auxiliar a sua propriedade:
17
A MODERNIZAÇÃO
DA AGRICULTURA NA
ATUALIDADE
AULA 2
18
Olá! Vamos iniciar nossa aula 2?
Como vimos no início deste módulo, a população mundial está aumentando de

forma acelerada e a forma para alimentar todas essas pessoas tem se tornado
uma constante preocupação.
IMPORTANTE
De acordo com um relatório das Organizações das
Nações Unidas (ONU), a população mundial deverá
atingir 9,7 bilhões de pessoas em 2050 e chegará a
quase 11 bilhões de pessoas em 2100.
Assim, a agricultura moderna tem o desafio de alimentar e nutrir uma quantidade

crescente de pessoas, com recursos que vão se tornando limitados. Esse é um
dos motivos para o campo utilizar mais tecnologia.
Vamos conhecer agora como o setor agrícola tem se modernizado ao longo

dos anos!
FAZENDA DIGITAL MODERNA

Podemos notar que, desde a era das ferramentas manuais até a era de máquinas
movidas por inteligência artificial, a agricultura passou por mudanças notáveis.
IMPORTANTE
O objetivo de cada modificação sempre foi
melhorar o setor para que ele possa cumprir as
exigências da sociedade.
19
A agricultura moderna é cercada por um
ambiente digital no estado da arte das
tecnologias em inteligência artificial,
internet das coisas e big data, que estão
sendo denominadas como “tecnologias
disruptivas”, por estarem transformando
e revolucionando o mundo inteiro. Com a
agricultura não é diferente.
Um exemplo interessante para vislumbrar a utilização da internet das coisas é o uso

de dispositivos que permitem ligar e desligar um equipamento por meio de um tele-
fone celular que esteja em qualquer lugar do mundo que tenha conexão à internet.
PROGRAMANDO
Caso um produtor de frangos de corte verifique a
necessidade de acender lâmpadas ou ligar motores
elétricos, usará para isso um dispositivo com relé
automático conectado na internet.
As principais modificações tecnológicas na agricultura ocorreram no último meio sé-

culo. Confira:
• As inovações tecnológicas inteligentes foram introduzidas na agricultura

e melhoraram a produção, a produtividade e o gerenciamento do setor;
• A agricultura inteligente é um sistema que utiliza internet, computação,

armazenamento em nuvem, tecnologia da informação e comunicação de última
geração, máquinas inteligentes e intelectualização da gestão agrícola com
atenção especial ao meio ambiente;
20
• Ela inclui todos os componentes da agricultura de precisão e permite o
gerenciamento de processos de produção. É um passo importante para a
agricultura sustentável;
• O big data fornece insights preditivos para os resultados, a fim de

conduzir decisões operacionais de tempo e outros processos relacionados.
Enquanto as máquinas estão aplicando corretivos na lavoura, elas coletam e
enviam dados a um servidor na nuvem;
• Esses dados podem ser a quantidade de hectares realizados, quantidade

de área que ainda falta para encerrar o talhão, aceleração e temperatura do
motor, sobreposição e falhas, dia, hora, minutos e segundos. E o produtor
poderá acessar os dados de um telefone celular ou de um computador em
qualquer lugar do mundo.
PROGRAMANDO
Aplicativos de big data mudaram muitas
abordagens na agricultura tradicional. Como
exemplo temos o uso de telemetria da empresa
brasileira Stara, com sede em Não-Me-Toque – RS.
Telemetria é uma tecnologia que permite a medição e a comunicação de in-

formações de interesse do operador ou do desenvolvedor de sistemas.
Atualmente, veículos aéreos autônomos,

robóticos e não tripulados têm sido
desenvolvidos para fins agrícolas,
como capina mecânica, aplicação de
fertilizantes, ou colheita de frutas.
21
Quando equipado com câmeras hiperespectrais, esses dispositivos também po-
dem ser usados para calcular o desenvolvimento de biomassa e o estado de fertiliza-
ção das culturas.
Câmeras hiperespectrais captam milhares ou centenas de espectros em vez

de um único e isso traz mais qualidade e resolução para as imagens.
COMPLETANDO
Para conhecer a história de uma fazenda moderna
real, confira esta reportagem do Globo Rural sobre
um aviário em São Paulo: De pai para filha: inovação
marca sucessão familiar de aviário em SP | Globo
Rural | G1
Agora, vamos conhecer um pouco mais sobre a agricultura digital.
DIGITALIZAÇÃO DA
AGRICULTURA – AGRICULTURA
DIGITAL
A digitalização da agricultura se refere à evolução da agricultura de precisão para
uma era mais avançada, centralizada e de conhecimentos baseados em sistemas
de produção.
22
As ferramentas e técnicas usadas na agricultura digital incluem todos os parâmetros
utilizados na agricultura de precisão, com adição de redes inteligentes e ferramentas
de gerenciamento de dados.
A agricultura digital cobre todos os aspectos do setor agrícola e já é realidade em

algumas áreas.
PROGRAMANDO
Um exemplo é a existência do GPS, o sistema de
orientação por satélites que conduz as máquinas
em tráfego controlado e permite a fertilização
específica do local como parte de um ciclo completo
de produção, usando conectividade privada
baseada em nuvem.
23
Dessa forma, o processamento automatizado de dados e redes harmonizadas e
totalmente integradas fazem parte de um futuro não tão distante para a agricul-
tura e as máquinas agrícolas:
• A indústria de máquinas agrícolas deverá direcionar sua atenção para o

avanço das máquinas, para que haja compatibilidade com a infraestrutura
digital da fazenda e fazer o necessário para a otimização dos processos de
produção;
• Os maquinários digitalmente inteligentes deverão ser equipados com os

seguintes recursos: capacidade de transferência de dados, ou seja, enviar e
receber informações, capacidade de desempenhar funções com o mínimo de
intervenção humana, permitindo a utilização das máquinas de forma ideal e
inteligente para orientar seu usuário.
Agora, vamos conhecer melhor como ocorreu essa mudança para a

agricultura inteligente.
Ah, mas antes disso, registre no espaço abaixo quais maquinários modernos po-
deriam ajudar na sua produção diária. O que eles precisam ter ou fazer?
24
TRANSIÇÃO PARA A
AGRICULTURA DE PRECISÃO
INTELIGENTE
O primeiro avanço na agricultura foi a invenção de ferramentas feitas à mão.
Até o final do século XIX, equipamentos como enxadas, foices e machados, eram uti-
lizados para o cultivo.
Esse tipo de produção que ficou conhecida como agricultura 1.0 era caracteri-
zada por baixa produtividade e estava totalmente baseada no trabalho manual.
Confira no vídeo, no curso on-line, como foram ocorrendo os avanços na agricul-
tura até a chegada da IA. Para facilitar seus estudos, aqui está o conteúdo:
25
VÍDEO
Comecemos, então, pela Primeira Revolução Industrial, ou indústria

1.0. Durante o período de 1784 a 1870, houve um aumento significativo na
produção agrícola. Esse período é chamado de Agricultura 2.0.
A Segunda Revolução Industrial, ou indústria 2.0, ocorrida no século XX,

trouxe a descoberta de novas fontes de energia, como o óleo e o gás, que
passaram a ser utilizadas em maquinários.
Assim, o transporte melhorou e, como resultado, gerou o desenvolvimento da

cadeia de abastecimento agroalimentar. Ficou confuso? Eu explico melhor!
Nesse ponto, os produtos agrícolas puderam ser enviados para distâncias

maiores, conectando comunidades que anteriormente viviam isoladas.
A indústria 3.0 resultou no avanço dos sistemas embarcados,

engenharia de software e tecnologias de comunicação. Trouxe
também o conceito de fontes renováveis, como energia fotovoltaica,
hidroeletricidade e energia eólica, que atraíram o olhar das pessoas.
Isso induziu uma nova revolução agrícola, a Agricultura 3.0 com

monitoramento de produção, aplicações de taxa variável e sistemas
de orientação agrícola. Perceba que, em geral, essas revoluções
transformaram o que podemos chamar de “agricultura de trabalho
intensivo indefinida” em uma agricultura Industrial.
Hoje, estamos em meio à 4ª revolução industrial e, nesse meio tempo,

já pudemos observar a fusão de tecnologias emergentes, como a
internet das coisas (IoT), robótica, big data, inteligência artificial (IA)
e tecnologias de blockchain; dando origem às máquinas autônomas e
inteligentes, que auxiliam na produção e no abastecimento.
Você já deve imaginar que, consequentemente, isso culminou na

Agricultura 4.0, não é mesmo? Nesse sentido, a tecnologia de
blockchain, por exemplo, permitiu o compartilhamento de dados
envolvidos na produção, do campo ao cliente final, seja no varejo, seja no
atacado, possibilitando o rastreamento de toda a cadeia.
Os benefícios são diversos, especialmente o gerenciamento da fazenda

em tempo real, alto grau de automação, tomada de decisão baseada em
dados e eficiência da cadeia agroalimentar, ciência e alimentação.
Vamos para nossa última aula deste módulo? Agora é hora de conferir os benefí-
cios da agricultura de precisão inteligente. Vamos lá?
26
BENEFÍCIOS DA
AGRICULTURA DE
PRECISÃO INTELIGENTE
AULA 3
GESTÃO EFICAZ NAS
OPERAÇÕES AGRÍCOLAS DA
CANA-DE-AÇÚCAR
A introdução da inteligência artificial (IA) e do aprendizado de máquina, ou ma-
chine learning (ML), nas práticas agrícolas para a cana-de-açúcar causaram um
impacto positivo na produção de um modo geral, pois muitos aspectos foram
melhorados. Vamos conhecer alguns deles!
A IA no plantio é usada essencialmente

para conduzir uma análise preditiva e
determinar a melhor época e variedade
para ser cultivada em um tipo de solo.
A inteligência artificial e o machine learning ajudam a encontrar novas possibi-

lidades para melhorar cada passo dado dentro das usinas. Além disso, também
estão abrindo caminho para desenvolver ainda mais a qualidade das colheitas.
As limitações humanas na análise de

dados e na formação de relações entre
vários parâmetros relevantes, são
exemplos de soluções que vêm sendo
propostas através da IA e do ML.
Conheça abaixo exemplos do uso da tecnologia no cultivo da cana-de-açúcar:
28
• Etapa 1: O uso de inteligência artificial pode orientar as safras, as quais
podem ser plantadas com a ajuda de um maquinário que, auxiliado por IA,
fornece informações sobre as condições ideais em intervalos constantes;
• Etapa 2: A seleção de um tipo adequado de variedade, ciclo precoce, ciclo

médio ou ciclo tardio, desempenham um papel fundamental na determinação
do rendimento, e essa escolha depende de vários parâmetros, como topografia
da região, clima, tipo de solo, fertilidade de solo e tendências de mercado;
• Etapa 3: Uma máquina alimentada por inteligência artificial pode usar

informações para recomendar um método que possa melhorar a qualidade da
colheita mecanizada, por exemplo: melhorar a alocação das curvas de nível,
projetar linhas de plantio e de colheita que gerem menos manobras.
Agora vamos conferir como a inteligência artificial pode colaborar para o geren-
ciamento do solo. Vamos lá?
EXCELÊNCIA NO GERENCIAMENTO
DO SOLO
Para realizar um bom plantio, é necessário que o produtor rural tenha conheci-
mento profundo e completo sobre o solo, para impulsionar a produção agrícola.
Por isso, as informações disponíveis

sobre o solo devem ser precisas, a fim de
• adquirir um manejo aceitável.
Saiba mais sobre o assunto:
29
VÍDEO
Você sabia que para que o produtor possa realizar um bom plantio, ter
informações sobre o solo é essencial?
Isso porque com essa tecnologia, os dados do solo são administrados com
um modelo de Machine Learning, ou seja, por uma máquina que aprende
por conta própria.
Esses dados podem ser a secagem, condições, temperatura e umidade.
E esses dados proporcionam informações confiáveis e valiosas para o

produtor rural.
Aproveitando ao máximo os benefícios do solo, a gestão torna-se mais

eficiente, certo?
Um exemplo de empresa que trabalha com tecnologia para o solo, é a

Trace Genomics.
Essa é uma empresa estrangeira, que utiliza aprendizado de máquina,

para diagnosticar defeitos no solo. Ela recebe o solo para amostra e
retorna aos seus clientes informações sobre os pontos fortes e fracos.
E em nosso país, o que está sendo feito nesse sentido? Bom, no Brasil, as
pesquisas estão em pleno desenvolvimento. A Embrapa está produzindo
um equipamento para monitoramento de solo em tempo real, o robô Mirã.
Ele realiza o mapeamento georreferenciado da lavoura para otimização
dos atributos do solo. O robô poderá ser utilizado para mensuração de
matéria orgânica no solo, análise nutricional e detecção de doenças. O
equipamento, permite ainda mapear a lavoura com sistema de localização
por satélite de alta precisão.
Agora que já conhecemos como a IA pode auxiliar a coleta de dados sobre o solo,
vamos conferir como ela pode contribuir para o sistema de irrigação.
30
SISTEMA DE IRRIGAÇÃO
INTELIGENTE
Sabemos que um sistema de irrigação inteligente é uma necessidade essencial para

a agricultura.
Dados como teor de umidade e temperatura do solo são regularmente determi-

nados por sensores e são passados para uma unidade de processamento, ou po-
dem ser interpretados pelo próprio sensor.
DASHBOARD
Com a ajuda da IoT, ou internet das coisas, o
monitoramento da qualidade da água também
pode ser feito em tempo real.
31
Sistemas para determinar a estimativa de evapotranspiração necessária e para
projetar e gerenciar um plano de irrigação inteligente podem utilizar a inteligên-
cia artificial e algoritmos de machine learning para essa finalidade.
ROBÓTICA NO CAMPO
Robôs agrícolas inteligentes são algumas das máquinas mais bem-sucedidas uti-
lizadas nesse tipo de agricultura.
As empresas estão desenvolvendo e

programando de forma autônoma robôs
que são capazes de lidar com tarefas
essenciais, executando atividades de forma
mais eficiente que os seres humanos.
Um exemplo disso é o robô Rippa que possui uma coleção de sensores e algo-
ritmos sofisticados para detectar ervas daninhas na cultura bem como objetos
estranhos, como pedra, vidro ou metal.
Os sensores ópticos instalados no robô Rippa conseguem diferenciar a cultura

principal de plantas invasoras usando a visão computacional.
Com um bico móvel movido por braços robóticos, ele aplica o defensivo somente
na planta daninha, na quantidade correta, conforme a necessidade.
Em 2017, a empresa de máquinas agrícolas Case IH apresentou ao mercado o seu

primeiro trator autônomo. O equipamento pode ser controlado à distância por
meio de um computador ou tablet. A máquina não tem cabine de operação e está
programada para realizar tarefas agrícolas, movimentar-se e desviar de obstácu-
los sem a intervenção do operador.
32
Como nos carros autônomos, o equipamento da Case IH é dotado de vários sen-
sores, câmeras e radares, entre eles o LiDAR, que mapeia o local com ondas ele-
tromagnéticas e posteriormente faz o envio dos dados coletados para uma uni-
dade de controle eletrônico.
Bom, chegamos ao final do nosso primeiro módulo. Vamos relembrar o que vimos
durante nossas aulas?
O QUE VIMOS ATÉ AQUI…

Neste módulo conhecemos o que é ciência de dados e como ela pode contribuir
para o setor agrícola.
Vimos como o segmento está se modernizando e gerando informações que serão

analisadas por pessoas capazes de extrair os melhores cenários para alavancar a
produtividade.
Também vimos que a modernização na agricultura é necessária, pois a população

mundial está crescendo aceleradamente e a transformação das fazendas tradi-
cionais para fazendas digitais modernas trará inúmeros benefícios para todos,
incluindo o meio ambiente.
Por fim, conhecemos os sistemas automatizados e robóticos e como eles podem

auxiliar no campo.
Agora, antes de avançar para o próximo módulo, vamos realizar as atividades

de aprendizagem?
33
ATIVIDADES DE
APRENDIZAGEM
34
ATIVIDADES DE
APRENDIZAGEM
1. De acordo com o que vimos na aula 1, como podemos definir o que é a ciência
de dados aplicada ao setor agrícola?
a. É a compra de máquinas caras monitoradas por satélites e sem conexão

umas com as outras.
b. É o termo utilizado para contextualizar a extração de dados de diversas

fontes, ou seja, extrair dados de máquinas, robótica e inteligência artificial,
e conectar todas essas tecnologias para extração de insights.
c. É conectar o dono da propriedade ao WhatsApp e Facebook.
d. É ativar a conexão de internet na sede da fazenda para ter acesso às

expectativas do clima pelas redes sociais.
2. Em uma fazenda criadora de frangos de corte, o produtor resolveu instalar

uma série de sensores para coletar informações de temperatura e umidade dos
galpões, monitorar a movimentação das aves e controlar os gases emitidos no
local, com abertura automática de janelas de ventilação. Além da coleta de dados
feita pelos sensores, todas as informações são enviadas automaticamente para o
seu celular e para o escritório, onde trabalha um profissional de ciência de dados
para otimizar a produção da fazenda. Nesse sentido podemos dizer que essa fa-
zenda é uma:
a. fazenda tradicional.
b. fazenda digital moderna.
c. fazenda cultural.
d. fazenda orgânica.
35
3. Tratores autônomos e robôs podem trazer inúmeros benefícios para produto-
res rurais, como trabalhar mais horas no dia em operações como plantio, preparo
de solo, tratos culturais e outras atividades. Essas máquinas são dotadas de di-
versos sensores que possuem programações avançadas. A expansão desse tipo
de tecnologia traz inúmeros benefícios para a agricultura de precisão, como:
a. Aumento do desemprego das populações, pois os robôs não têm cabine

e consequentemente não precisam de pessoas para operá-los.
b. Aumento nos custos de produção da lavoura.
c. Aumento do consumo de óleo diesel.
d. Aumento de eficiência nas operações e na qualidade de mão de obra es-

pecializada para operar e fazer manutenções e regulagens.
36
NO CAMPO
MÓDULO 2
Uso da inteligência artificial na cultura
da cana-de-açúcar
INTRODUÇÃO
Olá!
Seja bem-vindo ao módulo 2 do curso Inteligência Artificial no Campo. Neste mó-

dulo vamos conhecer um pouco mais sobre o “Uso da inteligência artificial na
cultura da cana-de-açúcar”. Para facilitar nossos estudos, as aulas estão divi-
didas da seguinte forma:
• Aula 1: A cana-de-açúcar no nosso dia a dia
• Aula 2: Sistematização inteligente na cana-de-açúcar
• Aula 3: Inteligência artificial no processo de CTT
Você sabia que Goiás está trabalhando para ser o estado mais agroecológico da
América Latina?
É isso mesmo! As empresas agrícolas goianas estão migrando para o uso da ciên-
cia de dados e da inteligência artificial (IA) para alavancarem seu crescimento e
se tornarem mais competitivas no mercado nacional e no internacional.
Dessa forma, é possível transmitir informações em tempo real para que os gesto-
res do agro goiano possam tomar decisões rápidas e assertivas.
Essas tecnologias permitem que

gestores agrícolas tomem decisões
mais assertivas em suas atividades,
diminuindo riscos e aumentando a
lucratividade do negócio.
Bons estudos!
38
A CANA-DE-AÇÚCAR
NO NOSSO DIA A DIA
AULA 1
INTRODUÇÃO À CULTURA DA
CANA-DE-AÇÚCAR NO MUNDO
A cana-de-açúcar vem sendo utilizada no mundo todo há milhares de anos. Ela
tem várias utilidades, como a alimentação e a geração de energia. Mas como as
pessoas identificaram que a cana poderia ser consumida? E quando ela começou
a ser cultivada?
Conheça mais sobre o assunto no podcast abaixo:
Você já se perguntou como iniciou o cultivo da cana-de-açúcar no mundo?
Bom… A cana-de-açúcar tem suas origens no Sul e no Sudeste do continente

asiático. Relatos históricos datam que a cultura foi produzida em formato de
agricultura na Nova Guiné, oito mil anos atrás.
Os primeiros agricultores, na época, tinham o hábito de mastigar a planta por

causa do seu suco adocicado.
Estima-se que os primeiros produtores de cana-de-açúcar ferviam o suco,

transformando-o em uma massa viscosa.
Essa prática facilitava o transporte e, consequentemente, a sua

comercialização.
Os primeiros relatos de produção de açúcar cristalizado iniciaram no norte

da Índia.
Na verdade, na história não existe uma data exata para a produção do

primeiro lote de açúcar cristal.
Agora, vamos ouvir alguns dados dos dias atuais?
40
A Organização das Nações Unidas para Alimentação informou que foram
produzidas um bilhão, novecentos e sete milhões e vinte e cinco mil toneladas
de cana-de-açúcar em todo o mundo no ano de doismil e dezoito.
Desse total, cinquenta e três vírgula sessenta e três por cento do total de
toneladas foram produzidas pelo continente americano.
A Ásia foi responsável por produzir trinta e nove vírgula quarenta e três por
cento do total.
O continente africano ficou em terceiro lugar na produção mundial, com

quatro vírgula noventa e oito por cento.
Em quarto lugar está a Oceania, com um vírgula oitenta e quatro por cento.
Por último, temos o continente europeu, com aproximadamente zero vírgula

doze por cento.
É uma grande produção em todo o mundo.
Agora vamos conhecer como está a produção de cana-de-açúcar no Brasil.
CANA-DE-AÇÚCAR NO BRASIL
Segundo o censo do agro realizado pelo Instituto Brasileiro de Geografia e Estatísti-
ca (IBGE), o maior estado produtor de cana-de-açúcar é São Paulo, seguido de
Goiás e depois Minas Gerais. Veja mais detalhes sobre a produção de cada um deles:
São Paulo
Cultivo: 347.684.180 toneladas
Área: 4.824.495 hectares
Valor da produção: 24,5 bilhões de reais
41
Goiás
Área: 942.289 hectares
Minas Gerais
Área: 875.742 hectares
O Instituto Brasileiro de Geografia e Estatística (IBGE), realizou no ano de 2017 o

Censo Agropecuário, Florestal e Aquícola. Essa é a principal e a mais completa in-
vestigação estatística e territorial sobre a produção agropecuária do país.
Na pesquisa há dados sobre propriedade, produção, área, pessoal ocupado e

muito mais.
COMPLETANDO
Você pode consultar o Censo Agro 2017 e mais
informações no site: IBGE | Censo Agro 2017 | Home
42
A Companhia Nacional de Abastecimento (Conab) divulgou a estimativa de área,
produtividade e produção de cana-de-açúcar no Brasil para as safras 2020/2021
e 2021/2022. Observe as informações no infográfico abaixo:
Segundo a companhia, o país reduzirá a área

produzida em 4,3%, passando de 8,616 milhões
para 8,243 milhões de hectares.
Em Goiás, essa redução deverá ser de 0,4%

passando de 971,6 mil para 967,7 mil hectares. No
entanto, a produtividade dos canaviais na região
deverá aumentar em 0,4%, passando de 76,20
para 76,73 toneladas por hectare.
Embora haja redução na expectativa de produção,

o setor vem se mostrando otimista com o futuro
do seu desenvolvimento, com a vinda das
tecnologias de big data, inteligência artificial e 5G.
Agora que já conhecemos um pouco mais sobre os dados da produtividade dessa

cultura no país, vamos conhecer a UNICA.
43
O QUE É A UNICA
Como vimos no tópico anterior, o setor sucroenergético vivencia uma nova era
global pautada em desenvolvimento sustentável e econômico.
Por isso, em 2007, surgiu uma entidade que representa as principais empresas pro-
dutoras de açúcar, etanol e bioeletricidade da região Centro-Sul do Brasil, a União da
Indústria de Cana-de-Açúcar (UNICA).
De acordo com os interesses brasileiros e mundiais, a entidade atua fortalecendo

os inúmeros benefícios trazidos pelo setor à sociedade, com o objetivo de pro-
mover informações e dados fidedignos às entidades internacionais.
A UNICA inaugurou seu primeiro escritório em território internacional nos Esta-

dos Unidos, no ano de 2007. Em 2008, a entidade decidiu expandir sua abran-
gência, estabelecendo um escritório na Europa e, em 2017, iniciou suas ativida-
des no continente asiático, em Singapura.
44
COMPLETANDO
Conheça mais sobre a UNICA acessando o seu site
no endereço: Home - UNICA
Agora vamos conhecer quais são os produtos que podem ser obtidos da cana.
PRODUTOS E SUBPRODUTOS DA
CANA-DE-AÇÚCAR
A cana-de-açúcar é uma planta

altamente eficiente, pois é possível
extrair produtos da folha até o
bagaço. Esses itens podem ser
utilizados desde a alimentação
humana e animal, até como
fertilizantes no solo e na cogeração
de energia elétrica.
Conheça abaixo os produtos e subprodutos que se destacam mais:
• Bagaço: Resíduo altamente fibroso, resultante da extração do caldo após

a moagem da cana. Esse produto apresenta, em média, 45% de fibra e 52% de
umidade. Após a moagem de uma tonelada de cana, sobram aproximadamente
280 kg. Esse subproduto é utilizado como combustível para as caldeiras
tocarem geradores de energia, na produção de celulose para fabricação de
papel e na alimentação de gado de corte em regime de confinamento.
45
• Açúcar: No Brasil são produzidos dois tipos de açúcar: o cristal branco e o
demerara. E entre esses tipos, existem os subprodutos.
• Açúcar cristal: Açúcar branco em forma cristalina, produzido sem refino.

Esse tipo é utilizado na fabricação de bebidas, confeitaria, bolos e biscoitos.
• Açúcar demerara: Açúcar com coloração escura, sem refino. Os cristais

contêm melaço e mel residual da cana. Sua textura é firme e ele não se dissol-
ve facilmente.
• Açúcar branco (tipo exportação): Desse produto temos dois tipos: o açú-
car branco para ser consumido diretamente, com baixa cor e sem refino, e o
branco sem refino, com cor mais escura, para reprocessamento no destino.
• Açúcar mascavo: Tem coloração amarronzada e é úmido; não passa por

branqueamento, nem por cristalização e refino. Seu sabor é mais forte, da
mesma forma que o melado, e sua aparência é semelhante à da rapadura.
• Açúcar orgânico: Produzido sem nenhum aditivo químico desde a fase

agrícola até a industrial, esse produto segue padrões internacionais e deve ser
certificado por órgãos competentes.
• Açúcar refinado amorfo: É o mais utilizado dentro do consumo domésti-

co, pela sua coloração branca, grãos pequenos e finos.
• Açúcar VHP (sigla proveniente do inglês very high polarization, signi-

ficando altíssima polarização): É a espécie mais exportada pelo Brasil. Sua
coloração é mais clara que a do demerara e tem cristais com tons amarelados.
• Xaropes: São açúcares líquidos naturais de sacarose e contam com maior

resistência a contaminações microbiológicas. Produto muito utilizado pela in-
dústria farmacêutica e alimentícia.
• Torta de filtro: Resíduo da filtragem do lodo na fabricação de açúcar e

etanol. A produção é em média de 20 a 40 quilogramas para cada tonelada de
cana processada. O produto é rico em fósforo e é utilizado como fertilizante no
plantio da cana.
• Vinhaça: Resíduo da destilação do vinho. A principal aplicação é na fertili-

zação do solo, por ser rica em potássio. Além disso, é utilizada para a produção
de proteínas, gás metano e alimentação animal.
46
• Levedura seca: É o resultado do processo de fermentação da cana. É
produzida na proporção de 2,5 kg para cada 100 litros de etanol. Possui 35%
de proteína e alto teor de vitamina B. A levedura é utilizada especialmente na
composição de ração animal.
• Etanol: São dois tipos mais produzidos: o hidratado e o anidro. O etanol hi-
dratado é utilizado diretamente no tanque dos carros flex e sua composição é
de 92% de álcool e 8% de água. Já o etanol anidro tem cerca de 99,6% de gra-
duação alcóolica e é misturado na gasolina. Atualmente, a gasolina no Brasil
contém 27% de etanol anidro.
São muitos produtos, não é mesmo? Agora vamos iniciar nossa próxima aula!
47
SISTEMATIZAÇÃO
INTELIGENTE NA
CANA-DE-AÇÚCAR
AULA 2
48
O QUE É SISTEMATIZAÇÃO
DE ÁREAS?
Você sabe o que é sistematização de áreas inteligentes na cana-de-açúcar? A
execução dessa atividade é um dos exemplos práticos do uso de dados na agri-
cultura. Veja só:
DASHBOARD
A sistematização é um conjunto de operações e
atividades que visa dar condições adequadas de
solo para o plantio e colheita da cana-de-açúcar.
Seu principal objetivo é o planejamento do plantio
e da colheita.
Do levantamento planialtimétrico até a sulcagem do terreno, as usinas utilizam

equipamentos com sistema de localização por satélite, armazenamento de dados
em nuvem e sistemas de telemetria para transmissão de dados em tempo real.
No vídeo abaixo você pode conhecer mais detalhes sobre o assunto:
VÍDEO
Você já ouviu falar em carreadores? São aquelas estradas utilizadas para
locomoção de máquinas, tratores e caminhões. De acordo com o Centro
de Tecnologia Canavieira, o CTT, os carreadores são divididos em três:
secundários, primários e principais.
Os carreadores secundários ficam internos nos talhões, onde há somente

a movimentação de tratores, colhedoras e tratos culturais. Eles devem ter
em torno de 5 metros de largura.
49
Os carreadores primários são utilizados para o tráfego de caminhões
que retiram a cana da lavoura para levar até a indústria. Sua largura
deve ser de 6 a 7 metros.
Os carreadores principais são estradas largas, medindo de 8 a 10 metros

de largura, para passagem de caminhões, carros pequenos e máquinas.
O planejamento de sistematização de área deve levar em consideração

diversos detalhes. Vamos ver quais são eles!
Inicialmente, a inclinação do terreno deverá ser menor que 12%, pois

esse é o limite de declividade para as máquinas no mercado.
Outro fator importante é o comprimento dos talhões. Eles deverão ter

entre quinhentos a setecentos metros de comprimento, e uma largura
máxima da metade do comprimento. Outro item que deve ser levado
em consideração é o pátio de carregamento.
Essa é uma área destinada ao transbordamento da cana picada para os

caminhões que levarão essa matéria-prima para as indústrias.
Essas áreas são fixas no talhão e objetivam reduzir o pisoteio dos

caminhões e tratores na área plantada.
O ideal é que os pátios apresentem dimensões de oitenta a cem metros

de comprimento, por vinte metros de largura, e que fiquem localizados
preferencialmente no centro do bloco de colheita.
Caso as empresas não construam esses pátios, os caminhões

estacionarão nos carreadores, e os tratores vão causar um excesso de
pisoteio nas laterais da cana-de-açúcar plantada.
Se a área contém apenas quatro talhões, é interessante que o pátio de

carregamento fique localizado no centro do bloco de colheita.
No entanto, é perfeitamente possível verificar na prática que muitas

fazendas apresentam mais de 15 talhões de colheita.
Dessa forma, a usina necessita fazer uma série de análises de cenário,

para construir os pátios de modo a minimizar os custos de combustível
de caminhões, colhedoras e tratores transbordo.
Viu só como a sistematização de áreas pode auxiliar no plantio?
50
No nosso próximo tópico, vamos conhecer mais detalhes sobre a alocação de pátios.
ALOCAÇÃO INTELIGENTE DE
PÁTIOS DE CARREGAMENTO
UTILIZANDO ALGORITMOS
PREDITIVOS
Como vimos, os pátios de carregamento são ferramentas importantes para evitar
o pisoteio do canavial. Portanto, as alocações eficientes desses pátios trarão inú-
meros benefícios logísticos e financeiros para as empresas.
PROGRAMANDO
Um exemplo bem interessante do uso da
inteligência artificial para a otimização de colheita é
o LOC, uma solução para a colheita mecanizada que
inclui um software que otimiza a estrutura de corte
e transbordamento, da empresa brasileira Agroadbo.
Confira abaixo como o LOC funciona:
• Aprendizado de máquina: Esse sistema utiliza o aprendizado de máquina

(ML, proveniente do inglês machine learning) para maximizar os rendimentos
de colheita, planejamento e melhoria de gestão. O programa utiliza técnicas
de programação linear para definir a localização de pátios de carregamento de
caminhões e os tempos estipulados para o corte e transbordamento da cana.
• Otimização dos pátios: O programa realiza a otimização dos pátios levan-

do em consideração os seguintes aspectos: produtividade do canavial, velo-
cidade-limite de operação, tempo de corte, transbordamento e transporte da
cana para a indústria, capacidades produtivas e eficiência.
51
• Tempo de entrega: O sistema é capaz de regularizar o tempo de entrega
da matéria prima na indústria, evitando as paradas de transbordo que one-
ram o setor. Sua funcionalidade se estende desde o planejamento do layout
de plantio até a otimização da operação de colheita e o dimensionamento da
frente de trabalho.
Os modelos de ML utilizam dados de categorias e números extraídos de sensores, os

quais são utilizados para ajustar os modelos que vão gerar a previsão de resultados.
Esse tipo de aprendizado de máquina é denominado de aprendizado supervi-

sionado.
COMPLETANDO
Você pode consultar mais informações sobre a
Agroabdo no site: Agroabdo.
Agora conheceremos um pouco mais sobre a planialtimetria. Vamos lá?
USO DE VANT’s E DO SENSOR

LiDAR NOS LEVANTAMENTOS
PLANIALTIMÉTRICOS
A planialtimetria é uma atividade desenvolvida para representar o terreno com
medidas planas e de diferença de nível, ou seja, do relevo.
As estratégias de escoamento de água são atividades desempenhadas pelas

equipes de topografia, que utilizam VANT’s (veículos aéreos não tripulados), que
são drones capazes de coletar o desnível do solo.
52
LiDAR, do inglês Light Imaging, Detection and Ranging, é a sigla que identifica os
radares que fazem o envio de pulsos de laser na área a ser escaneada.
Com essas informações é possível fazer

a criação do modelo em 3D do terreno, ou
o modelo digital do terreno (MDT), gerado
pela diferença entre o tempo de envio e de
retorno do ambiente para o sensor.
Isso permite a detecção do tamanho e da posição exata dos objetos, obstáculos e

volume da cultura. Assim, as usinas conseguem economizar tempo e recursos fi-
nanceiros no planejamento do terraceamento, das linhas de plantio e da colheita.
TIC-GO
Atualmente é possível encontrar empresas dentro
do estado de Goiás que fazem esse tipo de serviço,
como a AgroGPS com sede em Goiânia. A empresa
utiliza alta tecnologia em projetos de topografia com
drones, direcionamento automático de máquinas
e confecção de linhas para pilotos automáticos, do
plantio à colheita.
Agora vamos iniciar a última aula do nosso módulo? É hora da aula 3!
53
INTELIGÊNCIA
ARTIFICIAL NO
PROCESSO DE CTT
AULA 3
54
O QUE É CORTE,
TRANSBORDAMENTO
E TRANSPORTE (CTT)?
Você sabia que corte, transbordamento e transporte, ou CTT, é uma das áreas
mais importantes das usinas de cana-de-açúcar? É isso mesmo!
Essa atividade demanda investimentos significativos em mão de obra e maqui-

nário, como colhedora de cana, trator transbordo, caminhão oficina e caminhão
comboio. Este último serve para fazer o abastecimento de óleo diesel e lubrifican-
te na lavoura.
IMPORTANTE
Estima-se que o investimento nessa área
corresponda a 15% do custo médio da produção
de cana-de-açúcar.
OTIMIZAÇÃO INTELIGENTE DOS

PROCESSOS DE CONTROLADORIA
AGRÍCOLA NO CTT
Sabemos que a comunicação dentro do ambiente de colheita mecanizada é fun-
damental para melhorar a eficiência da atividade, certo?
Colhedora parada por falta de trator transbordo adiciona custo à empresa. Da

mesma forma, transbordo sem orientação de qual colhedora deverá ser atendida
de imediato gera perdas de eficiência.
55
Uma alternativa viável para esse tipo de impasse é a implantação de um sistema
de comunicação entre as máquinas. E para fortalecer essa comunicação, a inter-
net de quinta geração, 5G, já é uma realidade em algumas lavouras goianas.
O município de Rio Verde recebeu em caráter experimental o sinal de alta veloci-

dade que será testado pelo Instituto Federal Goiano (IFG) e pelo Centro de Exce-
lência em Inteligência Artificial (CEIA), da Universidade Federal de Goiás (UFG).
O 5G encontra-se ainda em fase

experimental. No entanto, o estado de
Goiás não para de inovar. Empresas
privadas estão fechando parcerias com o
segmento de telefonia para implantação
de 4G no canavial, que vai facilitar a
transmissão de dados do campo para
dentro dos sistemas de gestão.
Assim, é possível conferir como a inteligência artificial pode contribuir para mais
um tipo de cultivo.
TIC-GO
Exemplo disso é a Jalles Machado S/A, a maior
exportadora mundial de açúcar orgânico, que no
ano de 2018 recebeu um prêmio por inovação. A
empresa da cidade de Goianésia se encontra entre
as 100 empresas mais inovadoras do país.
O processo de CTT da companhia conta com um sistema de inteligência artificial

para reduzir o tempo de parada das máquinas.
56
No momento que a colhedora está
terminando de encher um trator
transbordo, ela mesma dispara um
pedido para que outro trator que já
esteja descarregado possa atendê-la.
Este então, ao receber a mensagem no
computador de bordo dentro da cabine,
já se desloca para o atendimento.
Dessa forma, as paradas são minimizadas e, por consequência, há redução de

paradas e de custos na atividade. Interessante, não é?
Vamos para o nosso próximo assunto!
USO DA VISÃO COMPUTACIONAL

E RECONHECIMENTO DE VOZ NOS
APONTAMENTOS DE ORDENS
DE SERVIÇOS DAS ATIVIDADES
AGRÍCOLAS
Neste tópico vamos conhecer como a inteligência artificial pode auxiliar as ativi-
dades no campo, por meio da visão computacional e do reconhecimento de voz.
Confira o vídeo sobre o assunto no curso on-line. Para facilitar seu estudo, aqui
está o conteúdo dele:
57
VÍDEO
Você sabia que a conexão de internet no campo possibilita transferir
dados em tempo real para o sistema de gestão? É isso mesmo!
Mas como isso acontece? Bom, nas atividades mecanizadas os operadores

precisam disponibilizar uma série de códigos das atividades realizadas.
Como exemplo, podemos citar o centro de custo, o horímetro inicial e final

das máquinas no dia, a fazenda a ser trabalhada, o bloco, e o talhão.
Outro exemplo é a atividade que está sendo desenvolvida, que pode ser
a colheita, o plantio, o preparo do solo, a sistematização da área, ou a
irrigação. E também temos as paradas, que podem ser para trocar um
pneu furado, para o abastecimento, por causa da chuva ou até mesmo
quando há falta de insumo.
Dessa forma, os apontamentos de ordem de serviço que eram feitos por

meio de fichas de papel, hoje são preenchidos por aplicativos de telefone,
desenvolvidos pelas próprias empresas e enviados em tempo real para o
sistema de gestão. E como isso acontece?
Para o reconhecimento facial através da visão computacional, basta o

operador apontar a câmera para seu rosto e o sistema já identifica quem é
o operador e o seu número de registro na empresa.
E com relação ao reconhecimento de voz, basta o operador falar

qual atividade está sendo desenvolvida, que o sistema é preenchido
automaticamente.
No próximo item vamos ver como é importante integrar os APIs aos sistemas de
gestão de uma usina de cana. Você sabe o que são APIs? Então vamos descobrir!
58
IMPORTÂNCIA DA INTEGRAÇÃO
DE APIS COM OS SISTEMAS
DE GESTÃO DA USINA DE
CANA-DE-AÇÚCAR
Já vimos ao longo dos nossos estudos que o incremento de tecnologia no campo
permite o aumento de produtividade, a redução de custos e a análise de informa-
ções em tempo real, certo? No entanto, existe um fator importante para se aten-
tar: a comunicação desses sistemas com o sistema de gestão da empresa.
IMPORTANTE
Dessa forma, é importante confirmar que softwares,
aplicativos e APIs desenvolvidos para áreas
específicas dentro das empresas tenham em sua
programação a capacidade de comunicação com
diferentes plataformas de gestão.
API (sigla em inglês para Application Programming Interface, que significa

interface de programação de aplicativo) é um conjunto de padrões de pro-
gramação responsáveis pela comunicação de um aplicativo com outro.
Um exemplo de API a ser explorado é o

Google Maps. Por meio do seu código
original, outros sites e aplicações acessam
os dados e os adaptam da melhor forma
para poderem utilizá-los.
59
Dessa forma, é importante que esses dados possam se comunicar com os siste-
mas de gestão da empresa, evitando assim conflitos entre gestores e a área de
Tecnologia da Informação. Bom, né?
O QUE VIMOS POR AQUI…

Encerramos mais um módulo e nele falamos sobre o uso da inteligência artificial
na cultura da cana-de-açúcar. Vamos relembrar o que estudamos?
Vimos um pouco da história da cana-de-açúcar e como o setor é importante para

a economia do Brasil e do estado de Goiás. Também vimos que todas as partes da
cana são utilizadas e que diversos produtos podem ser fabricados com essa ma-
téria prima.
Conhecemos como a tecnologia dos veículos aéreos não tripulados (vants) é útil
para adquirir dados de topografia e para realizar o planejamento de sistematiza-
ção de área, reduzindo erros operacionais e aumentando a eficiência da colheita.
Também ficamos sabendo que a área de corte, transbordamento e transporte

(CTT) é uma das mais beneficiadas pelas tecnologias, por ter sua eficiência au-
mentada com a implantação de inteligência artificial no controle logístico de máqui-
nas. Com isso, o setor evita paradas desnecessárias e otimiza o uso das colhedoras e
dos tratores transbordos na colheita, além de agilizar o processo de apontamento de
ordens de serviços agrícolas, através do uso da visão computacional.
Vamos para o próximo módulo? Antes disso, porém, realize as atividades

de aprendizagem!
60
ATIVIDADES DE
APRENDIZAGEM
61
ATIVIDADES DE
APRENDIZAGEM
1. O setor sucroenergético destaca-se pela adoção maciça de tecnologia em

seus processos produtivos industriais e agrícolas, aumentando o rendimento
por hectare e reduzindo custos. Graças a esses esforços, o estado de Goiás vem
incentivando o desenvolvimento tecnológico e pretende se tornar o estado mais
agrotecnológico do país. Dessa forma, podemos dizer que:
a. Nada está sendo feito para alavancar a tecnologia das empresas goianas.
b. O estado de Goiás fechou parceria com instituições para testes do 5G,

na cidade de Rio Verde, com o intuito de alavancar o uso de tecnologia na
agricultura.
c. As usinas goianas ainda não conseguiram se mecanizar. Dessa forma,

não é possível utilizar novas tecnologias no campo.
d. O desenvolvimento tecnológico é muito oneroso e as empresas não es-

tão dispostas a investir nessa área.
2. Os pátios de carregamento são ferramentas importantes para evitar o piso-

teio do canavial. Dessa forma, as alocações eficientes desses pátios trarão inú-
meros benefícios logísticos e financeiros para as empresas. Quais benefícios prá-
ticos as empresas poderão ter com alocações inteligentes de pátios?
a. Redução de combustível, de tempo de colheita e de transbordamento

de transporte.
b. Não existem benefícios práticos nessa área.
c. O pisoteio do canavial não interfere na produtividade, por isso, a aloca-

ção de pátios é apenas uma forma de aumentar o custo da empresa.
d. A colhedora ficar parada esperando o transbordo descarregar no cami-

nhão e voltar não afetará o rendimento da usina.
62
3. O setor sucroenergético destaca-se pela adoção maciça de tecnologia em
seus processos produtivos industriais e agrícolas, aumentando o rendimento
por hectare e reduzindo custos. Graças a esses esforços, o estado de Goiás vem
incentivando o desenvolvimento tecnológico e pretende se tornar o estado mais
agrotecnológico do país. Dessa forma, podemos dizer que:
a. Essas tecnologias funcionam. Utilizar aplicativos de telefone facilita o

preenchimento dos informes, pois basta o operador abrir o aplicativo e cli-
car na opção ou falar o que ele quer preencher.
b. Os trabalhadores rurais não utilizam telefones, dessa forma não é pos-

sível realizar os apontamentos através de inteligência artificial.
c. Essas tecnologias não funcionam com trabalhadores da área de

cana-de-açúcar, pois é difícil para eles fazerem uso delas no campo.
d. Utilizar as fichas de papel é a melhor alternativa, esse tipo de iniciativa

tecnológica apenas aumenta o custo da empresa.
63
NO CAMPO
MÓDULO 3
Uso da inteligência artificial na
cadeia da soja
INTRODUÇÃO
Olá!
Seja bem-vindo ao módulo 3 do curso de Inteligência Artificial no Campo. Nes-

te módulo vamos estudar sobre o “Uso da inteligência artificial na cadeia da
soja”. Nossas aulas estão divididas da seguinte maneira:
• Aula 1: O uso da inteligência artificial na previsão da safra e do preço da soja
• Aula 2: A inteligência artificial na análise de folhas e insetos
• Aula 3: Percepção dos agricultores brasileiros sobre a adoção de tecnologia

na agricultura de precisão e na agricultura digital
Você sabia que a soja é um dos alimentos mais importantes do mundo? É isso mes-
mo! E o Brasil lidera o ranking de produção dessa importante fonte de proteína.
Com muito esforço, o país vem aumentando sua produtividade, alavancado pelo
avanço tecnológico, que engloba desde a nanotecnologia até a inteligência artificial.
65
Neste módulo vamos abordar o uso da IA na cadeia da soja. Veremos que a inteli-
gência artificial possui recursos e ferramentas, capazes de aumentar a velocidade
na detecção de doenças e pragas através do uso de técnicas de visão computacio-
nal, e que essa técnica também se torna bastante eficaz na análise foliar.
Por fim, verificaremos como está o retrato da agricultura digital brasileira, os impac-
tos positivos das tecnologias digitais e quais são as perspectivas que a conectivida-
de poderá trazer no aumento do valor bruto de produção no agronegócio brasileiro.
Bons estudos!
66
O USO DA INTELIGÊNCIA
ARTIFICIAL NA PREVISÃO
DA SAFRA E DO PREÇO
DA SOJA
AULA 1
INTRODUÇÃO À CADEIA DA SOJA
NO BRASIL E NO MUNDO
Você pensou em quantos produtos podem ser derivados da soja? E quais são eles?
Como eles estão presentes em nosso dia a dia? Ah! E você já se perguntou como
a soja começou a ser cultivada? Onde ela surgiu? E quando foi que ela chegou ao
nosso país?
Descubra essas informações no podcast abaixo:
Você sabia que diariamente consumimos vários produtos derivados da soja?
Ela está presente no óleo de cozinha, nos combustíveis e em diversos

alimentos.
E não é só isso, a soja também faz parte da indústria química e da

farmacêutica, por exemplo.
Mas quando exatamente a soja passou a ser cultivada?
Bom, a soja que conhecemos hoje em dia é diferente das plantas rasteiras
produzidas na Ásia, do outro lado do mundo.
A evolução iniciou com o surgimento de plantas cruzadas naturalmente entre

duas espécies que foram melhoradas por cientistas chineses.
As primeiras citações sobre a soja apareceram aproximadamente dois mil

anos antes de Cristo.
Naquela época, o grão era considerado sagrado, assim como o arroz, o trigo, a
cevada e o milheto.
68
Já sobre a origem da soja, existe um conflito de informações entre alguns
autores. Um grupo diz que a soja está presente no livro “Pen Ts’ao Kong
Mu”, no qual consta a descrição da cultura sendo apresentada ao imperador
chinês Sheng-Nung.
Para outros autores, a cultura é ainda mais antiga, conforme o “Livro de

Odes”, publicado em chinês arcaico.
Já o Brasil começou a perceber o seu potencial somente no final da década

de sessenta.
Nesse período, a principal cultura produzida no sul do país era o trigo.
A soja surgiu como uma alternativa de cultura de verão.
Ela veio como uma solução, com excelente custo/benefício, para a

alimentação de aves e suínos.
Na época, a demanda de farelo de soja era uma alternativa viável para o país.
Assim, com o incentivo para suprir a demanda de forma estratégica, foram

produzidas cerca de quinhentas mil toneladas no ano de mil novecentos e
sessenta e seis.
Os investimentos realizados na pesquisa para tropicalização da soja

possibilitaram a implantação da cultura em regiões de baixa latitude.
Por isso, as descobertas científicas brasileiras impactaram o mundo inteiro no

final dos anos oitenta e noventa.
E aí, gostou de conhecer um pouco mais da história da soja no Brasil e no mundo?

Como vimos, a soja vem sendo utilizada há milhares de anos, tem inúmeras utilida-
des e a inteligência artificial tem auxiliado a aumentar sua produtividade. É isso que
vamos ver mais detalhadamente neste módulo. Vamos lá?
69
COMPLETANDO
Para saber mais sobre a história do cultivo da soja,
acesse esta página da Embrapa: https://www.
embrapa.br/soja/cultivos/soja1/historia
IMPORTÂNCIA DA SOJA PARA

A ALIMENTAÇÃO HUMANA
E ANIMAL
Você sabia que, segundo o anuário de estatísticas da Organização das Nações Uni-
das para Alimentação e Agricultura (FAO), no ano de 2018 a produção mundial de
soja foi de 348,712 milhões de toneladas? Isso é muita coisa, não é mesmo?
Atualmente, os maiores produtores mundiais de soja são: Brasil, Estados Unidos e

Argentina. Conforme o Departamento de Agricultura dos Estados Unidos (USDA),
na safra 2020/2021, a produção mundial de soja foi de 362,947 milhões de tonela-
das produzidas em 127,842 milhões de hectares.
O Brasil se consagrou como o maior produtor

mundial do grão, com produção de 135,409
milhões de toneladas, numa área plantada
de 38,502 milhões de hectares e com
produtividade média de 3,517 kg por hectare.
70
Seguindo o Brasil nesse ranking estão os EUA, com 112,549 milhões de tonela-
das produzidas em 33,313 milhões de hectares e produtividade média de 3,379
kg por hectare.
Mas e a produtividade em nosso país, como está distribuída? No Brasil, o estado de

Goiás é o quarto maior produtor, com 13,720 milhões de toneladas produzidas em
3,694 milhões de hectares e produtividade média de 3,714 kg por hectare.
O estado fica atrás somente do Mato Grosso, maior produtor brasileiro, com 35,947
milhões de toneladas; do Paraná, com 19,872 milhões de toneladas, e do Rio Gran-
de do Sul, que produziu 20,164 milhões de toneladas.
Uma dúvida que podemos ter é: o que se faz com tanta soja? E a resposta é simples.
Não existe nenhuma proteína vegetal no mundo que apresente um custo/benefí-
cio tão favorável para a produção de carnes, ovos, leites e derivados que a soja.
O produto está presente em nossa mesa quando comemos ovo, batata e mandio-
quinha fritos, pois a maior parte do óleo brasileiro vem da soja.
Esse mesmo óleo é responsável por 70% da matéria-prima básica na produção de

biodiesel, cuja mistura de 10% no diesel nacional ajuda a reduzir os gases que cau-
sam efeito estufa.
A partir do óleo extraído, é possível produzir temperos de salada, como o molho

shoyo, margarinas, gordura vegetal e maionese.
Da extração de óleo refinado temos a

lecitina, que é um agente emulsificante,
utilizado na produção de salsichas,
sorvetes, achocolatados, barras de cereais
e produtos congelados.
O grão também possui participação em maquiagens, tintas e até mesmo em col-

chões de espuma, feitos a partir de um polímero, o poliol.
71
A soja ainda pode ser utilizada para outros inúmeros produtos, como chocolate,
temperos prontos e massas, derivados de carne, bebidas, papinhas de bebê e mui-
tos outros alimentos introduzidos em dietas proteicas.
E seu uso não para por aí. Diferentes setores econômicos utilizam a soja em seus
processos produtivos, como a indústria farmacêutica, de cosméticos, veteriná-
ria, vernizes de tinta e plásticos. Outras áreas que também fazem o uso da olea-
ginosa são as indústrias de adesivos e fertilizantes, formulador de espumas e
produção de fibras.
As mulheres também são beneficiadas, pois o produto é recomendado como uma

alternativa para reposição hormonal durante o período de menopausa.
IMPORTANTE
A soja está presente em diversos produtos para
pessoas vegetarianas ou intolerantes à lactose. Além
disso, existem pesquisas que associam o consumo
de soja à redução de doenças cardiovasculares,
diminuição de infarto e derrame cerebral.
Quando comemos carnes, indiretamente estamos ingerindo soja pois, no Brasil,

80% do farelo de soja e milho são responsáveis pela maior parte da alimentação ani-
mal. Dessa forma, temos a transformação de proteína vegetal em proteína animal.
TÉCNICAS DE INTELIGÊNCIA
ARTIFICIAL PARA ESTIMAR A
PRODUTIVIDADE DA SOJA
Você sabia que o manejo da água e dos fertilizantes, necessários para que as
plantas se desenvolvam, representam fontes de variação na resposta de imagens
de câmeras especiais, que captam diferentes espectros de luz da lavoura de
soja? É isso mesmo!
72
Informações sobre o estágio fenológico da planta podem ser decisivas para es-
timar com precisão as variáveis agronômicas, por meio do uso de imagens aéreas
obtidas por vants e inseridas em sistemas de IA.
Estudos realizados no Brasil analisaram o potencial de uso dessas técnicas para

identificar o melhor estágio de desenvolvimento de soja. Confira:
• A lavoura irrigada com pivô central gera imagens multiespectrais que são
utilizadas para alimentar um sistema de redes neurais artificiais (machine lear-
ning), através de tratamentos estatísticos, utilizando coeficientes de correla-
ções, algoritmos de ajuste preditivo, como a Multi-Layer Perceptron (MLP), e
validações cruzadas;
• Os resultados obtidos no estudo mostraram que as tecnologias de inteli-

gência artificial, juntamente com imagens geradas por aeronaves não tripula-
das, apresentaram resultados promissores. O índice de acerto foi de até 92%
na produtividade de soja, quando esta se encontra no estágio vegetativo V6;
• O estudo tem um futuro promissor, pois oferece uma ferramenta útil para
avaliar a produtividade de grãos em uma lavoura de soja irrigada por pivô cen-
tral. No entanto, é necessário observar o estágio fenológico da cultura, pois
esse é um fator-chave na análise da previsão da produtividade de grãos por
sensoriamento remoto, juntamente com testes estatísticos adequados.
Agora, vamos para a aula 2, que vai tratar da inteligência artificial na análise de
folhas e insetos nas lavouras de soja. Vamos lá?
73
A INTELIGÊNCIA
ARTIFICIAL NA ANÁLISE
DE FOLHAS E INSETOS
AULA 2
A ANÁLISE FOLIAR INTELIGENTE
NO GERENCIAMENTO DA
PRODUÇÃO AGRÍCOLA
Segundo o Centro de Estudos Avançados em Economia Aplicada (CEPEA), somente
na safra 2016/2017 os produtores de soja tiveram um custo de R$ 8,3 bilhões com
fungicidas, R$ 6,2 bilhões com inseticidas e R$ 4,8 bilhões com herbicidas, to-
talizando R$19,3 bilhões. Esse significativo montante representa 16,5% do custo
total da produção de soja naquela safra.
O ataque de pragas e doenças, e a deficiência nutricional deixam rastros nas folhas

da cultura por meio do surgimento de sintomas. Para saber como avaliar este im-
pacto na produtividade da lavoura, foi realizado um estudo, que encontrou um meio
de determinar as concentrações de nutrientes nas folhas, bem como o nível de sua
infestação por patógenos. Esse processo é denominado análise foliar.
Patógeno é o agente causador de doenças.
Veja como esse processo ocorre:
1. Coleta: O produtor retira algumas folhas da lavoura em conhecido estágio

de desenvolvimento e direciona esse material a um laboratório.
2. Análise: A inteligência artificial fornece um auxílio importante para essa

análise: o uso da ferramenta de visão computacional. Essa atividade é uma das
áreas da IA que estuda o processamento de imagens reais por um computador.
3. Classificação: Algumas técnicas de visão computacional permitem a clas-

sificação – isso ocorre quando inserimos uma imagem e o computador retorna
uma resposta, informando que a imagem é de uma planta invasora e qual é a
sua espécie.
4. Classificação e localização: Outra modalidade que poderá ser utilizada

é a classificação e localização que, ao analisar uma folha da soja, mostra qual
tipo de patógeno ela contém e onde aparecem os maiores níveis de infestação.
75
Destacamos que existe ainda outra técnica, chamada segmentação, que também
pode ser utilizada para a análise foliar. Na imagem é possível separar e quantificar
pontos de doenças que apresentam sintomas diferentes em uma mesma folha.
CONTAGEM E IDENTIFICAÇÃO
DE INSETOS
Vimos anteriormente o desgaste gerado no caixa da empresa rural com os cus-
tos relacionados à compra de defensivos agrícolas. Para combater a elevação de
custo na propriedade, vem à tona um velho ditado popular: “prevenir é melhor
que remediar”.
IMPORTANTE
Nesse contexto, o Serviço Nacional de
Aprendizagem Rural de Goiás (Senar Goiás), oferece
gratuitamente aos produtores e trabalhadores
rurais a capacitação em Manejo Integrado de
Pragas (MIP).
MIP é um plano de ação voltado para a redução do uso de defensivos agrí-

colas. Ele busca desenvolver o equilíbrio na planta e monitorar pragas, para
reduzir as atividades corretivas de aplicações de defensivos.
O curso prepara o participante para monitorar a população de insetos-praga nas

plantações de soja e milho, bem como para a implantação de técnicas de controle
que minimizem os danos econômicos nas duas culturas. Para evitar a descapitaliza-
ção da propriedade, os produtores rurais passam a aplicar produtos somente quan-
do a população de insetos passa a oferecer riscos econômicos.
76
Uma das técnicas conhecidas do MIP é a batida de pano. Veja abaixo a descrição
dessa técnica e arraste para o lado para conferir a imagem do procedimento:
A batida de pano consiste em colocar um

pano branco embaixo de duas fileiras de
soja, sem que haja a movimentação das
plantas. Depois, as plantas são levemente
inclinadas e balançadas em cima do pano,
derrubando os insetos. Em seguida, é
realizada a separação e contagem deles.
Arraste a tela para o lado para conferir
a imagem.
Para que possamos entender como a ciência de dados e a inteligência artificial po-
dem auxiliar no MIP, devemos conhecer exatamente o que é uma imagem na visão
computacional. Acompanhe!
IMPORTANTE
Uma imagem é a junção de pequenos pontos de
cores específicas, chamados pixels. O pixel é o
menor elemento em um dispositivo de exibição
e a junção desses pequenos elementos formam
uma imagem.
77
Basicamente um pixel tem três cores: o
vermelho (red), o verde (green) e o azul
(blue), isso forma o padrão RGB. Na visão
computacional, cada uma dessas cores
apresenta 256 tonalidades diferentes,
possibilitando a geração de 16 milhões de
combinações, assim é possível transformar
informações qualitativas em quantitativas.
Na figura ao lado temos o exemplo de uma
imagem com os pixels ressaltados através da
máxima ampliação.
RGB é uma sigla composta pelas letras iniciais de três cores em inglês: red
(vermelho), green (verde) e blue (azul). Esse sistema de cores é constituído
à base de emissão de luz, combinando uma variação de tonalidades de luz
para formar a cor.
No procedimento da batida de pano, a contagem e a separação dos insetos são

feitas de forma manual, no entanto é possível aumentar a produtividade com um
toque de tecnologia, utilizando visão computacional. Conheça o passo a passo:
Passo 1: Inicialmente, a execução dessa atividade passa pelo treinamento da in-

teligência artificial, para identificar e qualificar qual é o tipo de inseto presente na
imagem. O treinamento da IA ocorrerá com a inserção de várias fotos no sistema.
Passo 2: Após a inserção das fotos, o responsável pela atividade deverá rela-
cionar no sistema qual é o padrão de composição de cores que o sistema de-
verá identificar.
Passo 3: Todas as vezes que o sistema identificar um padrão de cores conhe-

cido, ele retornará à tela do equipamento um pequeno quadrado de destaque,
cobrindo cada objeto, juntamente com o nome de identificação estipulado
para aquele inseto.
78
Resumindo, a máquina é ensinada, através de imagens, a fazer a diferenciação das
características de cada inseto para, posteriormente, classificar de acordo com o
grupo específico.
COMPLETANDO
Para saber mais sobre o curso oferecido pelo SENAR
sobre as pragas que podem atacar a lavoura, leia a
matéria: Pragas da safrinha: curso oferecido pelo
Senar Goiás auxilia na defesa sanitária da produção
agrícola - Sistema FAEG
IDENTIFICAÇÃO DE DOENÇAS
FÚNGICAS COM INTELIGÊNCIA
ARTIFICIAL
Também com o uso da inteligência artificial é possível detectar doenças provenien-
tes de fungos na soja. Quer saber como? Confira abaixo:
VÍDEO
Você sabia que a planta de soja é alvo de constantes ataques de insetos e

fungos e que essas pragas trazem grandes prejuízos ao produtor? E esses
prejuízos impactam outros setores agrícolas, como bovinos de corte e leite,
avicultura e suínos.
O perigo pode ser associado à ausência de controle da ferrugem asiática, que

há décadas gera prejuízos aos produtores rurais.
No estágio inicial, a doença causa pequenos pontos de cor escura na folha.
Já no estágio intermediário, a doença penetra o tecido vegetal da planta e o

fungo desenvolve estruturas reprodutivas dentro da folha.
79
No estágio final, as estruturas passam a adquirir uma coloração com tons
marrons, expelindo esporos que vão se disseminar por toda a planta.
A inteligência artificial pode contribuir para a detecção dessa doença.
É possível treinar um modelo de redes neurais artificiais com várias imagens de

folhas infestadas com a ferrugem asiática, a partir do padrão de coloração RGB.
Pesquisas recentes conseguiram quantificar 7 níveis de severidade no ataque

do fungo, através de 70 imagens fornecidas com 80 mil pixels, apresentando
93% de precisão no diagnóstico.
Os pesquisadores mostram que é possível criar modelos confiáveis baseados

nessas ferramentas.
Antes de encerrar esta aula, vamos conhecer um software da Embrapa que auxi-
lia na análise das folhas da soja.
O USO DO SOFTWARE AF SOFT

DA EMBRAPA PARA MEDIR A
ÁREA FOLIAR
A Embrapa avança cada dia mais no desenvolvimento de aplicações de inteligên-
cia artificial para a agricultura.
PROGRAMANDO
Um exemplo desse avanço é a criação do software
AF Soft, que é capaz de fazer a análise das imagens
de folhas através de fotos tiradas com câmeras
fotográficas digitais.
80
Ele consegue realizar medições de áreas infestadas por pragas, de lesões causa-
das por doenças e da área de buracos feitos por insetos, entre outras, graças à
diferença na sequência de cores dos pixels. Observe a imagem abaixo:
Um dos principais atributos do programa é a realização de análises em lotes de ima-

gens. A obtenção de resultados satisfatórios com técnicas de redes neurais artificiais
é obtida quando o analista de dados estipula padrões de cores que deseja conhecer.
A etapa mais demorada do processo é a inserção de imagens para treinar a inteli-
gência artificial sobre o que ela tem que analisar.
IMPORTANTE
O sistema permite analisar dados de diversas
culturas, como soja, milho e cana-de-açúcar, e
de florestas. Para isso, são geradas imagens que
servirão de padrão para, posteriormente, serem
comparadas com as da lavoura do produtor, no
intuito de identificar e quantificar os principais
problemas que afetam as suas culturas.
81
O programa, gratuito, é constantemente atualizado pela equipe da empresa.
Dessa forma, cabe ao usuário apenas informar quais são os requisitos que ele
precisa e a equipe de desenvolvimento realiza novas versões.
Outro fator importante a ressaltar é a possibilidade de inserir imagens com coor-

denadas geográficas, possibilitando a geração de mapas da cultura. Assim, é
possível fazer um diagnóstico preciso da situação da cultura e o produtor pode
adotar medidas corretivas localizadas. Muito bom, não é mesmo?
Agora vamos para a nossa última aula deste módulo!
82
PERCEPÇÃO DOS
AGRICULTORES
BRASILEIROS SOBRE A
ADOÇÃO DE TECNOLOGIA
NA AGRICULTURA
DE PRECISÃO E NA
AGRICULTURA DIGITAL
AULA 3
O RETRATO DA AGRICULTURA
DIGITAL BRASILEIRA
Nos últimos 50 anos, a agricultura brasileira passou por profundas transforma-
ções. Anteriormente, a agricultura era analisada sob as perspectivas da extensão
de terras, da mão de obra para produção e da baixa produtividade.
Esse cenário vem se transformando

gradativamente, com a entrada de
startups agrícolas, também denominadas
agtechs, que promovem a inovação
no setor do agro, por meio de novas
tecnologias aplicadas em campo.
Elas são responsáveis pela incorporação de softwares para o setor, desenvolvem

iniciativas focadas na criação de alternativas energéticas, aproveitamento de re-
síduos, monitoramento ambiental e biotecnologia de sementes.
DASHBOARD
A Embrapa, em parceria com outras empresas,
criou o Radar AgTech, que consiste no
mapeamento de startups do agro brasileiro. A
sua principal função é trazer dados sobre perfil,
segmento de atuação e localização das agtechs.
Essa iniciativa aumenta as oportunidades para o
agro brasileiro ter mais competitividade.
84
No ano de 2018 houve o mapeamento de 7.000 startups e foram selecionadas
135 para a realização de um mapa de agtechs no país. Os dados do estudo mos-
tram que 72% das empresas estavam localizadas na região Sudeste, 23% na
região Sul e o restante nas outras regiões brasileiras. O estudo apontou que 41%
das empresas não tinham funcionários registrados, tendo como força de trabalho
os próprios fundadores e parceiros sem vínculos empregatícios.
Em 2019 o mapeamento contabilizou 1.125 startups atuando no agro em todos os

segmentos da cadeia produtiva. Acompanhe as informações no infográfico abaixo:
Do total de 1.125 startups Já 397 empresas, ou seja Os 18% restantes

mapeadas em 2019, 47% 35%, atuam nas áreas abrangem 196 empresas
estão na área de pós- de sistema de gestão que atuam nas áreas
produção agropecuária, agropecuária, meteorologia, de serviços financeiros,
que consiste em alimentos irrigação, telemetria, genômica, biotecnologia,
inovadores, armazenamento, automação e vant (veículo nutrição, saúde animal,
infraestrutura e logística, aéreo não tripulado), entre controle biológico e
mercadorias online, outras áreas. análises laboratoriais.
plataforma de negociação
e marketplace de vendas,
totalizando 532 empresas.
Podemos notar um grande crescimento na área nos últimos anos, não é mesmo?
85
OS IMPACTOS POSITIVOS DO USO
DE TECNOLOGIAS DIGITAIS E O
IMPACTO DA CONECTIVIDADE
NA PRODUTIVIDADE
Certamente toda a tecnologia utilizada na agricultura traz impactos para o produ-
tor rural e para sua propriedade. Vamos acompanhar como isso ocorre? Veja abaixo
o conteúdo do vídeo disponível no curso on-line:
VÍDEO
Ao longo deste curso percebemos como as tecnologias digitais possuem

papel importante na Agricultura 4.0 e vimos também as inúmeras
vantagens da sua utilização no campo.
Elas fornecem melhores insights sobre os dados obtidos e, assim, auxiliam

no uso adequado de recursos e insumos.
Dados agrícolas são efetivamente analisados pelos modelos de

inteligência artificial, que conseguem fazer previsões mais acertadas.
Por exemplo, esses modelos detectam doenças na plantação e o produtor

consegue impedir sua evolução, melhorando o potencial para a produção
de safras mais saudáveis.
Outro fator relevante é a solução eficaz para a identificação de pragas e ervas

daninhas, reduzindo significativamente a utilização de defensivos agrícolas.
Já a conectividade é outro ponto que tem papel fundamental para o

agro goiano. É através dela que as inovações são aplicadas nessa área,
alavancando a produtividade e a qualidade dos produtos e reduzindo
custos de produção.
86
Com base nisso, a Confederação Nacional da Agricultura, o Senar Goiás
e os produtores rurais reivindicam a faixa de frequência de 700 MHz, da
rede 5G, à Agência Nacional de Telecomunicações (Anatel), para realizar
a ampliação da conectividade das zonas rurais, através de pequenos e
médios provedores de internet.
Conforme dados de consultorias internacionais, a implantação do 5G tem

potencial para contribuir com um trilhão e duzentos milhões de dólares
para o desenvolvimento do Brasil pelos próximos 15 anos.
Segundo o Ministério da Agricultura, Pecuária e Abastecimento, estima-

se que se a conectividade no campo dobrar, o impacto poderá resultar na
elevação do valor bruto da produção agrícola brasileira em até 6,3%.
E considerando o aumento da conectividade em 80% para as tecnologias

2G, 3G e 4G esse impacto seria de 10,2% no mesmo índice. É muita coisa
não é mesmo?
Como vimos, as tecnologias contribuem – e muito – para a agricultura 4.0,

e a conectividade no campo é essencial para que a inteligência artificial
possa auxiliar ainda mais o agro.
COMPLETANDO
Para saber ainda mais sobre conectividade no
campo, leia esta matéria: Sistema CNA/Senar
participa de audiência pública sobre conectividade
no campo | Confederação da Agricultura e Pecuária
do Brasil (CNA) (cnabrasil.org.br)
87
Neste módulo verificamos a importância da inteligência artificial na cadeia da soja.
Vimos que o produto é uma importante fonte de proteína vegetal e que pode ser
utilizada em vários segmentos, como a alimentação humana e animal, indústria
farmacêutica e de tintas, até mesmo na produção de biodiesel.
As Américas são responsáveis pela maior parte da soja produzida no mundo. No

Brasil, o estado de Goiás apresenta uma força pujante na contribuição do seg-
mento para o país. Vimos que o uso da ciência de dados e da inteligência artificial
trazem inúmeros benefícios em diversas áreas, como a identificação de pragas,
caracterização de doenças e estimativas de produtividade.
Entre as tecnologias de inteligência artificial utilizadas no setor podemos desta-

car a visão computacional. Essa área traz benefícios importantes para a geração
de diagnósticos mais precisos no Manejo Integrado de Pragas, o MIP. Além disso,
vimos que o aumento da conectividade no campo poderá gerar acréscimos signifi-
cativos para o valor bruto da produção agropecuária.
No próximo capítulo, vamos conhecer mais sobre o uso da inteligência artificial no ma-
nejo de gado. Antes disso, porém, realize as atividades de aprendizagem. Até breve!
88
ATIVIDADES DE
APRENDIZAGEM
ATIVIDADES DE
APRENDIZAGEM
1. Quando comemos carne, indiretamente estamos ingerindo soja, pois no Brasil

80% do farelo de soja e do milho são responsáveis pela maior parte da alimenta-
ção animal. Dessa forma, temos a transformação de proteína vegetal em proteína
animal. Sobre a importância da soja em nosso dia a dia podemos dizer que:
a. Além da alimentação animal, a soja também é utilizada em vários

outros setores, como na indústria farmacêutica, de tintas, formulador de
espumas, produção de fibras, revestimento, papel emulsão de água para
tintas e biodiesel.
b. A soja é um produto que serve apenas para a alimentação animal.
c. Para produzir soja são utilizados defensivos agrícolas que são prejudi-
ciais aos seres humanos. Assim, ela pode ser utilizada apenas para a produ-
ção de biodiesel.
d. A soja não apresenta características importantes para a alimentação

humana, por isso toda a produção brasileira é exportada para países que vão
transformá-la em produto final para a alimentação animal.
2. O Manejo Integrado de Pragas (MIP) é um plano de ação voltado para a redu-

ção do uso de defensivos agrícolas na agricultura convencional. Ele busca de-
senvolver o equilíbrio na planta e monitorar pragas para diminuir as atividades
corretivas de aplicações de defensivos. Para evitar a descapitalização da proprie-
dade, os produtores rurais resolveram aplicar os defensivos somente quando a
população de insetos passa a oferecer riscos econômicos. Qual das alternativas
abaixo apresenta corretamente o uso da inteligência artificial auxiliando o MIP?
a. A inteligência artificial tem sérias limitações, não podendo ser utilizada

para essa finalidade.
90
b. Para aplicar a inteligência artificial no MIP, o sistema precisa ser treinado
com imagens de insetos. No entanto, como existe uma variedade muito grande
de pragas, somente as cores do padrão RGB (vermelho, verde e azul) não se-
riam capazes de fazer a atividade.
c. Como a inteligência artificial é extremamente inteligente, ela poderá dife-

renciar os insetos diretamente, sem a necessidade de receber imagens como
exemplos para treinamento.
d. Uma das áreas da inteligência artificial é a visão computacional, em que a

máquina é ensinada, através de imagens, a fazer a diferenciação das carac-
terísticas de cada inseto através do padrão de cores RGB. Depois disso, ela os
classifica de acordo com o grupo específico, aumentando o rendimento opera-
cional na área.
3. Prezando a qualidade dos serviços oferecidos aos produtores rurais, a Federa-

ção da Agricultura e Pecuária do Estado de Goiás (FAEG) desenvolveu o aplicativo
Apporteira. A ferramenta permite ao produtor rural acessar diversas funciona-
lidades que o ajudarão na tomada de decisão dentro da propriedade. O sistema
permite acessar previsão do tempo, cotações e notícias atualizadas do agrone-
gócio. E, caso o produtor enfrente uma queda de energia, o sistema permite fazer
a comunicação do ocorrido para a empresa de energia responsável. Sobre o im-
pacto da conectividade no campo, escolha a alternativa correta:
a. O aumento da conectividade nas áreas rurais não possui correlação com

o aumento da produtividade no setor. Afinal, para produzir mais, são neces-
sários apenas mais fertilizantes, defensivos agrícolas e máquinas.
b. Conectar as propriedades rurais é uma obrigação dos produtores rurais,

e o governo não tem nenhuma responsabilidade nessa área.
c. Além do governo, a Confederação Nacional da Agricultura (CNA) e o Ser-

viço Nacional de Aprendizagem Rural (SENAR) também estão participando
de inúmeras ações para beneficiar o produtor rural, com o aumento da co-
nectividade no campo.
d. O aumento da conectividade no campo vai reduzir o valor bruto da pro-

dução agrícola, pois os agricultores passarão mais tempo nas redes sociais
e consequentemente não haverá aumento de produção.
91
NO CAMPO
MÓDULO 4
Uso da inteligência artificial no
manejo do gado
INTRODUÇÃO
Olá!
Seja bem-vindo ao módulo 4 do curso Inteligência Artificial no Campo. Neste mó-

dulo vamos falar sobre o “Uso da inteligência artificial no manejo do gado”.
Para facilitar nossos estudos, as aulas estão divididas da seguinte forma:
• Aula 1: Monitoramento de gado de corte
• Aula 2: Plataforma inteligente de pecuária de precisão
• Aula 3: Ferramentas básicas para captação e transmissão de dados
O uso da inteligência artificial no manejo do gado auxilia a produtividade e a geração

de dados úteis para melhorar a eficiência do sistema. Dessa forma, veremos neste
módulo como o uso da IA pode auxiliar o manejo do gado de corte.
Falaremos sobre o uso de drones no manejo da contagem de animais a pasto, com a

adição de aprendizado de máquina (machine learning) para automatizar o processo,
e vamos investigar como a IA pode auxiliar o produtor rural a identificar o comporta-
mento de bovinos em campo e fazer a avaliação de escore corporal.
93
Também neste módulo, vamos conhecer o uso de uma plataforma de pecuária de
precisão para fazer a pesagem dinâmica, o controle da transferência de animais em
pasto com o uso de sensores de célula de carga e a transmissão de dados em tem-
po real para o escritório.
Por fim, conheceremos o uso dos sensores de radiofrequência (RFID) e como eles
são importantes para auxiliar o manejo do gado de corte, e vamos também definir os
melhores protocolos da internet das coisas para transmissão de dados ao escritório
da fazenda. Vamos lá?
Bons estudos!
94
MONITORAMENTO
DE GADO DE CORTE
AULA 1
BOVINOCULTURA DE CORTE
NO PAÍS
Você sabia que de acordo com o levantamento do Instituto Brasileiro de Geografia
e Estatísticas (IBGE), realizado em 2020, o país apresenta um total de 218.150.292
cabeças de gado? É isso mesmo! Observe nas imagens abaixo a distribuição do re-
banho pelo Brasil e no estado de Goiás:
DISTRIBUIÇÃO DO REBANHO BOVINO NO BRASIL
As regiões Centro-Oeste e Norte

24%
35%
Norte concentram a maior parte do rebanho, com
Centro-Oeste
35% e 24%, respectivamente. O terceiro
13% maior rebanho fica na região Sudeste, com
Nordeste
17%, seguido das regiões Nordeste e Sul,

11% 17%
Sul
Sudeste com 13% e 11%, respectivamente.
EFETIVO DO REBANHO DE GADO NO

ESTADO DE GOIÁS
O estado de Goiás possui o segundo

maior rebanho de gado do país, com um
23% total de 23,62 milhões de cabeças. As
Noroeste
34%
Sul regiões Sul e Noroeste possuem mais
12% da metade dos animais, com 34% e 23%,
Norte
respectivamente, seguidas da região
11% 20% Central, com 20%, e das regiões Norte e
Leste
Centro
Leste, com 12% e 11%, respectivamente.
96
De acordo com o Banco Mundial, no ano de 2050 existirão cerca de 9 bilhões de pes-
soas no planeta e isso elevará a demanda da soja em 148% e da carne em 120%.
Considerando apenas a demanda de carne e os atuais padrões de produção, será

necessário aumentar o número atual de bovinos no Brasil para cerca de 390 mi-
lhões de cabeças, elevando assim a competição por terras, insumos e mão de
obra. É um número bem elevado, não é?
IMPORTANTE
Com isso, o aumento de tecnologia na produção
elevará significativamente a demanda de mão
de obra especializada, a fim de superar os vários
gargalos da produção e aumentar a produtividade
do rebanho.
Continuando o assunto sobre tecnologia, vamos conferir no nosso próximo tópico

como o uso de imagens aéreas pode auxiliar na contagem de animais.
USO DE IMAGENS AÉREAS PARA A

CONTAGEM DE ANIMAIS A PASTO
Como estamos vendo ao longo do nosso curso, a evolução da inteligência artificial
tem permitido o uso de drones para várias situações no campo, certo? Uma delas é
o uso de vants para contagem de animais no pasto. Saiba mais sobre esse assunto
no nosso podcast:
Você sabia que já é possível realizar a contagem do gado a pasto

utilizando drones?
97
A evolução da tecnologia de imagens e da inteligência artificial e as
melhorias realizadas em veículos aéreos não tripulados têm permitido o
uso de drones para várias funcionalidades.
E uma delas é a contagem aérea de animais!
A Embrapa vem trabalhando no desenvolvimento de técnicas

especializadas nesse sentido e conseguiu constatar a eficiência dessa
ferramenta para tal fim.
A viabilidade desse tipo de monitoramento foi demonstrada por

vários estudos.
Porém, o uso prático ainda é um desafio, devido às características

particulares da aplicação, como:
o rastreamento de animais em movimento; áreas de terras extensas;

autonomia de voo;
adensamento de vegetação, que pode impedir a visualização dos animais;

luminosidade presente na hora do voo;animais adensados, como vacas e
bezerros; posicionamento da câmera; e diferentes padrões de cores dos
animais e do capim.
Mesmo assim, a ideia é promissora!
A inteligência artificial utilizada para análise das imagens é a rede neural

convolucional.
É um algoritmo de aprendizado profundo, capaz de captar uma imagem

de entrada; realizar a atribuição de pesos e vieses que podem ser
absorvidos;e, por fim, resultar em uma saída de informação.
Simplificando o conceito, é basicamente o que os neurônios humanos fazem:
Nós recebemos informações de diversas fontes, como a visão, a audição,

o tato e o paladar, e passamos a tomar decisões usando os resultados
desses aprendizados.
Agora vamos conhecer outro recurso em que a inteligência artificial pode auxiliar,
que é o controle dos rebanhos.
98
USO DA INTELIGÊNCIA
ARTIFICIAL NA IDENTIFICAÇÃO
DO COMPORTAMENTO BOVINO
Diferente dos filmes que vemos na televisão, o uso da inteligência artificial na identi-
ficação do comportamento de bovinos não é ficção científica! Quer ver um exemplo?
A IA pode ser utilizada na classificação do conforto térmico de bovinos. O uso de

câmeras térmicas permite identificar regiões nos animais que fogem aos padrões
convencionais, fato esse que os olhos humanos não conseguem identificar.
Com as imagens é possível verificar alterações de temperatura na área dos olhos, coste-
las e até no flanco. Depois da coleta, é possível exportar esses dados para que os profis-
sionais de análise de dados possam tomar decisões com base em possíveis mudanças.
Na imagem ao lado, estão sendo utilizados alguns modelos de inteligência artificial,

como visão computacional e mineração de dados, além das redes neurais artificiais
(RNAs), as quais vêm sendo utilizadas por pesquisadores e profissionais desde os
anos 1990. Assim como os seres humanos adquirem habilidades através de treina-
mento, as redes neurais também podem gerar respostas a partir de dados inseridos
no sistema.
99
Além da temperatura corporal, outros dados comportamentais também podem ser
analisados com a inteligência artificial, como o uso de colares e acelerômetros. Co-
nheça mais sobre eles:
• Colares: Colares dotados de GPS colocados no pescoço do animal auxiliam

a localizá-lo e a detectar seus movimentos.
• Acelerômetro: O acelerômetro é um componente eletrônico capaz de de-

monstrar a movimentação em qualquer sentido, seja vertical, horizontal ou até
mesmo diagonal. Dessa forma, é possível verificar os movimentos do animal,
como em “em pé”, “deitado”, “pastando”, “se movimentando”.
• Uso do acelerômetro: Uma aplicação prática do uso de acelerômetro é

quando vamos visualizar um vídeo ou foto no celular e queremos ver a imagem
em um tamanho maior. Para isso, nós viramos o celular no sentido horário, ou
anti-horário e a tela do aparelho se adequa ao tamanho do monitor. Esse mes-
mo princípio é utilizado para monitorar o comportamento de animais.
Essas informações são enviadas por meio de sistemas de IoT para o celular da fa-
zenda, por Telegram, WhatsApp, SMS ou e-mail, por exemplo, para uma possível in-
tervenção, caso haja necessidade. Em nosso próximo item, vamos conferir como a
tecnologia pode auxiliar na avaliação do escore corporal do gado. Vamos lá?
COMPLETANDO
Você pode ler mais sobre o que é o acelerômetro
nesta reportagem da TecMundo: https://www.
tecmundo.com.br/curiosidade/2652-o-que-e-um-
acelerometro-.htm
100
AVALIAÇÃO DO ESCORE
CORPORAL COM INTELIGÊNCIA
ARTIFICIAL
A utilização de imagens digitais mostra um grande potencial para alterar a rotina de
pesagem tradicional de bovinos, pois podem ser capturadas de forma automatiza-
da no ambiente em que os animais estão sendo criados.
Basicamente o sistema realiza o processamento das imagens digitais avaliando o

peso vivo e as medidas biométricas do animal. Assim, é possível predizer o peso
dos bovinos e monitorar o seu crescimento.
Atualmente, aplicativos como o

“Olhododono” realizam o cálculo do peso
vivo de bovinos através de uma fotografia
perpendicular do animal. Para não haver
estresse do gado, o sistema permite tirar
uma foto com distância de 3 a 6 metros,
tornando o procedimento seguro e rápido.
No momento em que o animal passa na frente da câmera, basta o trabalhador

pressionar o botão “Pesar” no computador para ver quanto ele pesa, e posterior-
mente enviar o relatório para os interessados. O funcionamento do sistema não
exige conexão com a internet. Assim, é possível definir melhores estratégias de
manejo, sabendo exatamente quantas arrobas aquele pasto possui.
101
IMPORTANTE
Através da pesagem frequente é possível verificar a
eficiência da suplementação alimentar e manejar a
taxa de lotação dos pastos. Outro fator relevante é
que a sua realização demanda pouco tempo, então os
funcionários da propriedade poderão ser rapidamente
liberados para outras atividades na fazenda.
Outra técnica utilizada para avaliação do escore corporal é a ultrassonografia

em tempo real. A área dos olhos, a espessura da gordura subcutânea e o marmoreio
podem ser avaliados de forma precisa, para identificar os níveis de musculosida-
de e acabamento da carcaça.
Sendo assim, imagens digitais coletadas com câmeras posicionadas acima do

dorso dos bovinos podem ser utilizadas para calcular uma estimativa do peso
corporal e da composição da carcaça de animais de corte.
O marmoreio é definido como o acúmulo de gordura intramuscular na

carne bovina.
COMPLETANDO
Para saber mais sobre o aplicativo Olho do Dono,
acesse o site: Olho do Dono | Precisão na Pecuária
Agora, vamos seguir para nossa próxima aula, onde veremos um pouco mais so-
bre plataformas inteligentes que auxiliam o manejo do rebanho. Vamos lá?
102
PLATAFORMA
INTELIGENTE DE
PECUÁRIA DE
PRECISÃO
AULA 2
103
O QUE É A PLATAFORMA DE
PECUÁRIA DE PRECISÃO BOSCH
Talvez você já tenha precisado dos serviços dessa empresa e nem saiba! A Bosch é
uma multinacional alemã fundada no ano de 1886, que atua no segmento de oficina
mecânica e elétrica de alta precisão, destacando-se mundialmente no segmento de
peças automotivas. Em 2017, a empresa decidiu lançar seus olhos para o mercado
agropecuário, criando uma plataforma completa de pecuária de precisão.
Pecuária de precisão é o termo utilizado para designar o processo de moni-

toramento e gerenciamento computadorizado individual de animais.
PROGRAMANDO
O sistema fornece ao produtor dados reais e precisos,
que resultam em aumento de produtividade e
retorno financeiro. Ele é formado por uma série de
módulos, permitindo ao produtor controlar de forma
individualizada o rendimento dos animais
Os dados gerados em campo são

transmitidos via internet para o escritório
na fazenda e através da internet das
coisas o produtor rural poderá acessar os
dados em qualquer lugar do mundo que
tenha conectividade com a rede mundial
IoT de computadores.
104
Muito interessante, não é mesmo? Essa tecnologia pode facilitar muito a vida do
produtor rural. Agora, vamos para o nosso próximo tópico!
CONTROLANDO À DISTÂNCIA
A MUDANÇA DE ANIMAIS
NO PASTO
Você sabe a diferença entre o pastejo rotacionado e o contínuo? Veja:
Pastejo rotacionado: O pastejo rotacionado consiste na divisão da área de pas-

tagem em lotes ou piquetes. O gado ficará se alimentando naquele local por uma
quantidade limitada de tempo.
Pastejo contínuo: Já o pastejo contínuo é quando os animais permanecem no

mesmo local por uma longa quantidade de tempo, que pode durar meses.
O sistema de rotacionamento apresenta diversas vantagens para alavancar o

ganho de pesos dos animais, além de possibilitar a rebrota do capim e o cresci-
mento uniformizado do pasto. Entre as inúmeras vantagens que são obtidas com
esse sistema, destacamos as seguintes:
• maior aproveitamento da forragem produzida;
• uso de maior taxa de lotação de animais por hectare;
• descanso do pasto, assim a rebrota da forrageira ocorre sem a interferên-

cia do gado;
• aumento da longevidade da forragem, pois capins como o Tanzânia, Mom-

baça e Massai não suportam pastejos contínuos;
• auxílio no controle de vermes e carrapatos nos animais.
Ah, é importante salientar que a prática de rotacionamento de animais exige do

produtor rural conhecimento do tamanho do lote de gado que está entrando na-
quele local.
105
Com o sistema de pecuária de precisão é
possível monitorar a entrada de animais
nos pastos através dos sistemas de brincos
eletrônicos descartáveis de alta frequência
colocados individualmente nos bovinos.
À medida que os animais são conduzidos
para dentro do pasto, um sensor de
identificação à distância, colocado acima do
corredor de transferência, capta a presença
e contabiliza a quantidade de animais que
entraram na área.
Agora que já conhecemos o sistema de rotacionamento, vamos conhecer como a

inteligência artificial pode auxiliar na identificação e na pesagem do gado.
IDENTIFICAÇÃO E PESAGEM
DE BOVINOS A PASTO
A plataforma de pecuária de precisão permite a pesagem dinâmica de animais
a pasto, ou em regimes de confinamento e semiconfinamento. Para saber como
esse sistema funciona, você pode conferir o vídeo disponível no curso on-line.
Para facilitar seus estudos, aqui está o conteúdo dele:
VÍDEO
A plataforma de pecuária de precisão permite a pesagem dinâmica de
animais a pasto, ou em regimes de confinamentos e semiconfinamento.
Para que o sistema funcione é preciso criar uma cerca de divisa entre
a água e os cochos de alimentação. Assim, todas as vezes que os
animais atravessarem a estrutura para beber água ou comer, o peso será
automaticamente coletado por uma balança eletrônica, na qual os animais
passam em cima.
106
Ah, esse sistema permite que o animal seja pesado enquanto está
em movimento.
A balança possui células de carga que converte a passagem de corrente

elétrica em peso do animal. Dessa forma, quanto maior for a corrente
elétrica identificada, maior será o peso.
Utilizando a internet das coisas, essas informações são coletadas e

transferidas por uma antena externa localizada logo acima do sensor de
leitura a distância.
Ah! E o sistema funciona com energia solar, assim, não há a necessidade

de instalações elétricas caras.
É importante frisar que as estruturas de pesagem possuem resistência

mecânica ao peso e a umidade, pois a balança fica exposta tanto a
questões climáticas quanto a ocasionadas por sujeira, como fezes e
urina do animal.
Já a identificação dos animais é feita através de brincos eletrônicos com

sensor de rádio frequência de alta intensidade colocado em suas orelhas
e lidos por uma estrutura dinâmica fixa localizada perto da cabeça.
Agora vamos ver como a IA auxilia na avaliação da carcaça dos animais.
AVALIAÇÃO DE CARCAÇA COM

VISÃO COMPUTACIONAL
Como estamos vendo ao longo do curso, o uso da visão computacional e dos
sensores na produção animal apresentam um grande potencial, não é mesmo?
O sistema de pecuária de precisão utiliza algoritmos de pesagem dinâmica e câ-

meras especiais, que analisam as curvas inteiras do gado geradas pela passagem
dos animais.
107
As redes neurais artificiais conseguem
estabelecer o rendimento médio por
carcaça, sem que haja a necessidade de
intervenção humana no animal. Portanto,
esse processo acaba reduzindo não só os
riscos de acidentes do trabalho dentro da
fazenda, como também o estresse animal,
facilitando a conversão de alimento em
peso vivo.
Segundo especialistas da área, a aplicação dessas tecnologias permite a geração

de dados que proporcionam constante evolução dentro da cadeia produtiva animal.
A criação de novos setores de serviço e a melhoria na eficiência do uso dos re-

cursos naturais possibilitam a redução de impacto ambiental e a agregação de
valor aos produtos de origem animal.
108
FERRAMENTAS BÁSICAS
PARA CAPTAÇÃO E
TRANSMISSÃO DE DADOS
AULA 3
109
O QUE É O SISTEMA RFID E
COMO É O SEU USO PARA A
IDENTIFICAÇÃO DE ANIMAIS
O RFID é um sistema de identificação por radiofrequência. Esse termo é originário
do inglês “Radio Frequency IDentification”. Para entendê-lo melhor, você pode
assistir ao vídeo disponível no curso on-line. Aqui trazemos o conteúdo para faci-
litar seus estudos:
VÍDEO
O RFID do inglês Radio-Frequency IDentification, é um sistema de

identificação por rádio frequência. Consiste em um método de emissão
de sinais de rádio que recupera e armazena dados à distância por meio de
dispositivos inseridos em etiquetas.
Esse sistema é bastante utilizado por empresas de logística que precisam

monitorar a movimentação de carga dentro do processo produtivo de
transporte. Outra forma bastante comum de visualizar a utilização é
em lojas que precisam implantar e monitorar sistemas antifurtos. Essa
tecnologia também é utilizada por empresas que necessitam de um meio
eletrônico para registro de frequência dos trabalhadores.
Os profissionais utilizam um crachá com um sensor inserido dentro dele,

assim, no momento de registrar o ponto, basta o funcionário aproximá-lo
do leitor e ele fará a leitura das informações.
Existem etiquetas passivas que apenas respondem a sinais enviados por

uma base transmissora. As etiquetas semipassivas e as ativas possuem
bateria própria que permite enviar seu sinal, porém, seu custo é maior.
As etiquetas e tagRFID são um dispositivo de comunicação eletrônico

de automação, em que o objetivo é receber, amplificar a até fazer a
retransmissão de um sinal com frequência específica.
Pode ser usada para pagamentos, rastreamentos e até mesmo como

chaves ou acesso a determinados locais.
110
O sistema de RFID é uma alternativa para utilização de código de barras,
pois permite a identificação de produtos mesmo estando distante do
scanner e fora do posicionamento para leitura.
A identificação de animais é uma das inúmeras maneiras de utilização.

Nesse caso, o uso pode ser feito de três modalidades diferentes, sendo
elas: colares, brincos, injetáveis ou ingeríveis.
O uso de colar com chip eletrônico é o método mais prático para a

identificação, pois o sistema permite a troca de um animal para outro.
Um outro sistema bastante utilizado é o de brincos com etiquetas de
menor custo, no entanto, seu uso é limitado a pequenas
UTILIZAÇÃO DE SENSORES
DO TIPO CÉLULAS DE CARGA
PARA PESAGEM ANIMAL SEM
INTERVENÇÃO HUMANA
O uso dos sistemas de identificação RFID podem ser configurados para trabalhar
com sensores de célula de carga, a qual é um transdutor de força, ou seja, a
célula capta a força exercida pelo peso do animal e a converte em corrente elétri-
ca. Veja como funciona:
Todas as vezes que um animal sobe em uma plataforma que contém células de
carga o seu peso é registrado e as informações do animal são transferidos para
uma plataforma de internet das coisas.
Essa informação vai para o escritório e ao mesmo tempo para o dispositivo móvel,
que pode ser da fazenda, do gerente ou do proprietário.
111
DASHBOARD
É importante ressaltar que as informações
transferidas podem ocorrer em tempo real,
conforme a necessidade do projeto e a velocidade
de conexão de internet da fazenda. Assim, a vinda
da tecnologia 5G trará inúmeros benefícios para a
gestão de processos da fazenda.
Confira no próximo tópico como acontece a transferência de informações através

da internet das coisas.
TRANSFERINDO INFORMAÇÕES
PARA O ESCRITÓRIO ATRAVÉS DA
INTERNET DAS COISAS (IoT)
Como vimos no módulo 1, a internet das

coisas (IoT) é um conceito que designa a
maioria dos dispositivos que utilizamos
diariamente e que estão conectados
entre si e pela internet. No campo, já
existem protocolos de comunicação que
são adequados para essa realidade.
As redes de comunicação são de dois

tipos: as de baixa densidade e as que
suportam a transmissão de dados em
grandes distâncias.
112
PROGRAMANDO
Os protocolos LPWAN, do inglês Low Power Long
Range, que significa baixo consumo e longo
alcance, são perfeitos para uso em aplicações
rurais. A rede LPWAN pode conectar dispositivos,
como células de carga e máquinas, que estejam
distantes cerca de 10 km a 20 km da base, de forma
bem melhor que as estações 3G e 4G.
No caso de informações de sistemas supervisórios, como pivôs de irrigação e es-

tações agrometeorológicas, que fazem envios de dados a cada hora, as tecnolo-
gias de LoRaWAN apresentam uma excelente relação custo/benefício de imple-
mentação e manutenção. Quando há a necessidade de transmitir pequenos pacotes
de dados, esses protocolos atendem adequadamente e com excelente performance.
LoRaWAN é o nome dado ao protocolo que define a arquitetura do sistema,

bem como os parâmetros de comunicação, utilizando LoRa, que é uma tec-
nologia de radiofrequência que permite comunicação a longas distâncias
com consumo mínimo de energia
No segmento agrícola, os protocolos de transferência de dados para IoT devem

priorizar o baixo consumo na transferência de dados e a maior eficiência no uso
de baterias.
113
Um dos protocolos amplamente utilizados é o MQTT. Este é um protocolo de mensa-
gens de publicação muito utilizado para transmitir dados entre dispositivos, quando
há baixa largura de banda de rede disponível, e para dispositivos com operacionais
menos complexos, como sensores.

Neste módulo vimos a importância das ferramentas de inteligência artificial no
manejo do gado de corte. Relembramos que o crescimento populacional exigirá o
aumento significativo da produção de proteína animal e que Goiás é um dos prin-
cipais produtores no Brasil e no mundo. Dessa forma, além de produzirmos mais,
temos que produzir com mais qualidade. Portanto, o monitoramento da produção de
gado de corte com a ajuda da inteligência artificial possibilita melhorar o desempe-
nho operacional nas atividades de contagem de animais no pasto, na identificação
do comportamento de bovinos e na avaliação do escore corporal dos animais.
Vimos também que uma prática muito comum é o pecuarista mandar o animal
para dentro do frigorífico sem saber ao certo o peso desses animais e que a IA
poderá ajudar na predição do rendimento e do peso de carcaça, através de ima-
gens digitais e de algoritmos que analisam as curvaturas do animal, reportando
ao produtor a atual condição de seu rebanho.
Outra ferramenta importante vista aqui foi a utilização da plataforma de pecuária de

precisão, que realiza a pesagem de animais no pasto e o monitoramento da transfe-
rência de pastos, sem a necessidade de intervenção humana, com o uso dos senso-
res de células de carga e do sistema de transmissão de dados via RFID e IoT.
Agora, antes de encerrarmos nosso curso, vamos responder as atividades

de aprendizagem?
114
ATIVIDADES DE
APRENDIZAGEM
115
ATIVIDADES DE
APRENDIZAGEM
1. O uso de drones com câmera tem se mostrado uma alternativa promissora

para identificação e contagem do gado no pasto, conforme indicam estudos da
Embrapa. Dessa forma, assinale abaixo a alternativa correta sobre os principais
desafios do uso desses equipamentos com câmera na contagem de animais.
a. O monitoramento da quantidade de animais no pasto pode ser feito com

os drones; no entanto, para facilitar a visualização dos animais, as câmeras
devem receber um pequeno ajuste de ângulo.
b. O uso dos drones é limitado apenas à realização de imagens nas cida-

des, não sendo possível sua utilização para atividades agropecuárias.
c. O monitoramento da quantidade de animais no pasto só poderá ser rea-

lizado com o levantamento dos drones e a contagem manual dos animais.
d. O monitoramento por drones poderá ser feito desde que haja uma câ-
mera especial multiespectral para realizar a captura da imagem posterior-
mente à contagem manual dos animais.
2. O sistema pecuário já conta com plataformas automáticas para coleta de

informações de gado de corte sem a necessidade de intervenção humana. Um
exemplo desse uso é a plataforma de pecuária de precisão da Bosch. Sobre esse
tema, assinale a alternativa correta, a seguir.
a. Com o uso da plataforma de precisão o produtor rural precisará contra-

tar mais funcionários, que vão fechar o gado dentro do curral, anotar o peso
em um papel e depois enviar para o escritório.
b. As plataformas de precisão apresentam custos muitos elevados, não

fazendo sentido o investimento, já que as fazendas têm funcionários alta-
mente treinados que não praticam erros no serviço.
116
c. A plataforma de pecuária de precisão permite coletar automaticamente
informações de peso e de mudança de animais nos pastos, identificar os ani-
mais e transferir esses dados para o escritório, para o gerente e para o dono da
fazenda, em tempo real, através da internet das coisas.
d. As plataformas de precisão são inviáveis, pois a internet não chega até a

zona rural.
3. O identificador por radiofrequência (RFID) é amplamente utilizado em diversos

setores da economia que necessitam controlar seus estoques. Por exemplo, o se-
tor de logística consegue monitorar o tempo de deslocamento de uma carga até
a chegada ao seu cliente final, através de microchips instalados em etiquetas e
anexadas às cargas. Essa mesma tecnologia pode ser utilizada dentro de proprie-
dades rurais para o monitoramento de animais. Sobre essa tecnologia podemos
afirmar que:
a. Sua utilização é muito complexa, pois a leitura do sensor é feita somen-

te com o correto posicionamento do chip com o leitor, tornando inviável a
utilização na pecuária.
b. O sistema demanda muita energia para o funcionamento.
c. A identificação da quantidade de animais em um pasto não é uma infor-

mação útil, já que os pastos aguentam grandes quantidades de animais sem
a necessidade de rotacionamento.
d. Ela é uma alternativa mais viável que o código de barras, pois permite a
identificação de um animal, mesmo que ele se apresente fora de posiciona-
mento e ele ainda pode ser lido à distância.
117
ENCERRAMENTO
118
Olá!
Chegamos ao final do curso “Inteligência Artificial no Campo”. No decorrer dos

módulos, você pôde aprender mais sobre uma área em plena expansão no agro
brasileiro. Vamos relembrar rapidamente o que vimos em cada um deles?
Módulo 1: No primeiro módulo conhecemos o fascinante mundo da ciência de

dados e suas aplicações no campo. Exploramos desde o que é ciência de dados
aplicada ao agro até a modernização da agricultura na atualidade e finalizamos
com os benefícios da agricultura de precisão inteligente.
Módulo 2: No segundo módulo vimos o uso da inteligência artificial na cultura da

cana-de-açúcar. Observamos a importância da cana no nosso dia a dia, explora-
mos a sistematização inteligente e finalizamos com o uso de inteligência artificial
nos processos de colheita, transbordamento e transporte (CTT).
Módulo 3: No terceiro módulo ficamos sabendo mais sobre o uso da inteligên-

cia artificial na cadeia da soja. Verificamos como ela é importante no Brasil e no
mundo e as técnicas de IA para estimativas de produtividade da soja. Em segui-
da, passamos a investigar o uso da IA na análise de folhas e insetos. E por último,
verificamos a percepção dos agricultores brasileiros na adoção de tecnologia na
agricultura de precisão e na agricultura digital.
Módulo 4: No quarto módulo conhecemos mais detalhes sobre o uso da inteli-

gência artificial no manejo do gado. Verificamos como as ferramentas de inteli-
gência artificial auxiliam essa atividade e exploramos desde o monitoramento do
gado até o uso da plataforma de pecuária de precisão. Encerramos com ferra-
mentas básicas para captação e transmissão de dados.
Esses assuntos ainda são novidade no Brasil e em Goiás e ainda existe muito a
ser explorado.
119
No entanto, temos grandes avanços em andamento, como os aplicativos desenvol-
vidos aqui no estado para monitoramento de situações de rodovias, o RodoPontes,
e a plataforma Apporteira, que ajuda os produtores goianos a tomarem decisões
mais assertivas.
O Senar Goiás está em constante inovação para trazer ao produtor rural as melhores
tecnologias para alavancar o agro. Esperamos que esse curso tenha ajudado você a
abrir novos horizontes para alavancar seu crescimento e sua produção.
Até a próxima!
120
REFERÊNCIAS
ACETO, G.; PERSICO, V.; PESCAPÉ, A. A survey on information and communication
technologies for industry 4.0: state-of-the-art, taxonomies, perspectives, and
challenges. IEEE Communications Surveys and Tutorials, v. 21, n. 4, p. 3467-
3501, 2019.
AGROCERES. What is the difference between precision, digital and smart far-
ming. Disponível em: https://www.agrocares.com/2020/10/30/what-is-the-diffe-
rence-between-precision-digital-and-smart-farming/. Acesso em: 21 dez. 2021.
AHMAD, L.; NABI, F. AI (artificial intelligence) driven smart agriculture. In: Agri-
culture 5.0: artificial intelligence, IoT, and machine learning. Boca Ratón, Florida,
EUA: CRC Press, 2021. p. 123-134.
AHMAD, L.; NABI, F. Smart intelligent precision agriculture. In: Agriculture 5.0:
artificial intelligence, IoT, and machine learning. Boca Ratón, Florida, EUA: CRC
Press, 2021. p. 25-34.
ALCARDE, A. R. Árvore do conhecimento: cana-de-açúcar. Ageitec. Disponível

em: https://www.agencia.cnptia.embrapa.br/gestor/cana-de-acucar/arvore/
CONTAG01_108_22122006154841.html. Acesso em 8 set. 2021.
BARBEDO, J. G. A. et al. Counting cattle in uav images: dealing with clustered ani-
mals and animal/background contrast changes. Sensors, v. 20, n. 7, p. 2126, 2020.
BARBEDO, J. G. A.; KOENIGKAN, L. V.; SANTOS, P. M. Cattle detection using oblique

UAV images. Drones, v. 4, n. 4, p. 75, 2020.
BERNSTEIN, C. Smart farming: definition. 2019. TechTarget. IoT Agenda. Dispo-

nível em: https://internetofthingsagenda.techtarget. com/definition/smart-far-
ming. Acesso em: 9 set. 2021.
BRASIL. Censo Agro 2017. Disponível em: https://censoagro2017.ibge.gov.br/.

Acesso em 9 set. 2021.
BUAINAIN, A. M.; CAVALCANTE P.; CONSOLINE L. Estado atual da agricultura

digital no Brasil: inclusão dos agricultores familiares e pequenos produtores ru-
rais. Documentos de Projetos (LC/TS.2021/61). Santiago: Comissão Econômica
para a América Latina e o Caribe (CEPAL), 2021.
121
CHEN, J.; Yang, A. Intelligent agriculture and its key technologies based on inter-
net of things architecture. IEEE Access, v. 7, p. 77134-77141, 2019.
CONAB. Safra brasileira de cana-de-açúcar. Tabela de dados. Produção e aná-

lise de mercado de cana-de-açúcar. 2021. Disponível em: https://www.conab.gov.
br/info-agro/safras/cana. Acesso em: 21 dez. 2021.
EMBRAPA Instrumentação. AFSoft. Disponível em: http://www.cnpdia.embrapa.

br/downloads/afsoft/. Acesso em: 7 set. 2021.
EMBRAPA Soja. História da soja. Disponível em: https://www.embrapa.br/soja/

cultivos/soja1/historia. Acesso em: 8 set 2021.
EUGENIO, F. C. et al. Estimation of soybean yield from machine learning techni-

ques and multispectral RPAS imagery. Remote sensing applications: society
and environment, v. 20, p. 100397, 2020.
FAO. World Food and Agriculture. Statistical Yearbook 2020. Rome. Disponível
em: https://www.fao.org/3/cb1329en/cb1329en.pdf. Acesso em: 21 dez. 2021.
JORNALCANA. Webinar: Inovações e Alta Performance no CTT. YouTube. Disponí-

vel em: https://www.youtube.com/watch?v=KUGqlm4703c. Acesso em 10 set. 2021.
KHARKOVYNA, O. Seven reasons why machine learning is a game changer for

agriculture. Towards Data Science, 04-July-2019. Disponível em: https://www.
linkedin.com/pulse/7-reasons-why-machine-learning-game-changer-kharkovi-
na-alexey. Acesso em: 21 dez. 2021.
MAIS SOJA. Quanto perdemos pelo ataque de insetos-praga no Brasil? Dis-

ponível em: https://maissoja.com.br/quanto-perdemos-pelo-ataque-de-insetos-
-praga-no-brasil/. Acesso em: 9 set 2021.
MALAFAIA, G. C. et al. Cadeia produtiva da carne bovina: contexto e desafios

futuros. Campo Grande, MS: Embrapa Gado de Corte, 2021. Disponível em: http://
www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/1132914. Acesso em: 21
dez. 2021.
PORTO, F.; ZIVIANI, A. Ciência de dados. III Seminário de Grandes Desafios da

Computação no Brasil. Rio de Janeiro: SBC, 2014.
122
PRADA, Rodrigo. O que é um acelerômetro. Disponível em: O que é um acelerô-
metro? - TecMundo. Acesso em 01 set. 2021.
QUEIROZ, D. M. et al. Agricultura Digital. Viçosa: UFV, 2021. p. 348.
RADAR AGTECH. Quem somos. Disponível em: https://radaragtech.com.br/.

Acesso em 5 set. 2021.
RAPELA, M. A. Fostering Innovation for Agriculture 4.0. New York, EUA: Sprin-
ger International Publishing, 2019.
SHCHUTSKAYA, A. V.; AFANASEVA, E. P.; KAPUSTINA, L. V. Digital farming deve-

lopment in Russia: regional aspect. In: Digital Transformation of the Economy:
challenges, trends and new opportunities. Springer, Cham, 2020. p. 269-279. Dis-
ponível em: https://link.springer.com/chapter/10.1007/978-3-030-11367-4_26.
Acesso em: 21 dez. 2021.
SISTEMA FAEG. Pragas da safrinha: curso oferecido pelo Senar Goiás auxilia na
defesa sanitária da produção agrícola. Disponível em: https://sistemafaeg.com.
br/faeg/noticias/manejo-integrado-e-atencao-constante/pragas-da-safrinha-
-curso-oferecido-pelo-senar-goias-auxilia-na-defesa-sanitaria-da-producao-a-
gricola. Acesso em: 10 set 2021.
UNICA. União da Indústria de Cana-de-Açúcar. Histórico e missão. Disponível em:

https://unica.com.br/sobre-a-unica/historico-e-missao/. Acesso em: 10 set. 2021.
UNITED NATIONS. UN projects world population to reach 8.5 billion by 2030,

driven by growth in developing countries. Disponível em: https://www.un.org/
sustainabledevelopment/blog/2015/07/un-projects-world-population-to-reach-
-8-5-billion-by-2030-driven-by-growth-in-developing-countries/. Acesso em:
10 set. 2021.
WIKIPÉDIA. Identificação por radiofrequência. Disponível em: Identificação por

radiofrequência – Wikipédia, a enciclopédia livre (wikipedia.org). Acesso em: 8 set.
2021.
WOLFERT, S. et al. Big data in smart farming: a review. Agricultural systems, v.

153, p. 69-80, 2017.
123
RESPOSTAS DAS ATIVIDADES
DE APRENDIZAGEM
Módulo 1
1. B
2. B
3. D
Módulo 2
1. B
2. A
3. A
Módulo 3
1. A
2. D
3. C
Módulo 4
1. A
2. C
3. D
124
125 125

SENARGO InteligenciaArtificial EB Completo

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

SENARGO InteligenciaArtificial EB Completo

Enviado por

Direitos autorais:

Formatos disponíveis

INTELIGÊNCIA ARTIFICIAL

Superintendente do Senar Goiás

Diretor do Departamento Técnico do Senar Goiás

Gerente de Educação Formal do Senar Goiás

MÓDULO 1 - O FASCINANTE MUNDO DA CIÊNCIA DE DADOS E SUAS

AULA 1 - O que é ciência de dados aplicada ao setor agrícola? 12

AULA 2 - A modernização da agricultura na atualidade 18

AULA 3 - Benefícios da agricultura de precisão inteligente 27

MÓDULO 2 - USO DA INTELIGÊNCIA ARTIFICIAL NA CULTURA DA

AULA 1 - A Cana-de-Açúcar no nosso Dia a Dia 39

AULA 2 - Sistematização Inteligente na Cana-de-Açúcar 48

AULA 3 - Inteligência Artificial no Processo de CTT 54

MÓDULO 3 - USO DA INTELIGÊNCIA ARTIFICIAL NA CADEIA DA SOJA 64

AULA 1 - O Uso da Inteligência Artificial na Previsão da Safra e

AULA 3 - Percepção dos Agricultores Brasileiros sobre a Adoção de

MÓDULO 4 - USO DA INTELIGÊNCIA ARTIFICIAL NO MANEJO DO GADO 92

AULA 1 - Monitoramento de Gado de Corte 95

AULA 2 - Plataforma Inteligente de Pecuária de Precisão 103

AULA 3 - Ferramentas Básicas para Captação e

ATIVIDADES DE APRENDIZAGEM 115

Seja bem-vindo ao curso Inteligência artificial no campo, promovido pelo

• Módulo 1: O fascinante mundo da ciência de dados e suas aplicações

• Módulo 2: Uso da inteligência artificial na cultura da cana-de-açúcar.

• Módulo 3: Uso da inteligência artificial na cadeia da soja.

• Módulo 4: Uso da inteligência artificial no manejo do gado.

Durante o curso você também irá

Preparado? Então, vamos iniciar os estudos. Boa aula!

Seja bem-vindo ao módulo 1 do curso Inteligência Artificial no Campo. Nesta pri-

• Aula 1: O que é ciência de dados aplicada ao setor agrícola?

• Aula 2: A modernização da agricultura na atualidade.

• Aula 3: Benefícios da agricultura de precisão inteligente.

Antes de iniciarmos os nossos

Ainda reforçando a importância do uso das tecnologias no campo, o uso de big

Você já ouviu falar em ciência de dados? Sabe o que é?

Esse é o termo utilizado para contextualizar a extração de dados de

Ela auxilia a análise e a interpretação das informações coletadas.

E pode ser aplicada em vários setores, como indústria, comércio,

É um conjunto de dados extremamente grandes e que necessitam de

Nesse sentido, a ciência de dados vem se tornando um campo cada vez

Essa ferramenta está baseada em três grandes áreas:

Matemática, estatística e ciências da computação, e requer conhecimento

No nosso caso, a agricultura e a pecuária.

E agora, ficou mais claro?

E também como a inteligência artificial tem auxiliado na modernização

A utilização de drones, aplicativos de

Na produção de alimentos em estufas, por exemplo, o produtor pode decidir

O cientista de dados pode extrair

Veja abaixo as possibilidades em cada uma das áreas:

Agricultura: Na agricultura, o cientista de dados tem como missão criar algorit-

Agora, para seguir nossos estudos, precisamos identificar a diferença entre a

O cientista de dados é o responsável

Como vimos no início deste módulo, a população mundial está aumentando de

Assim, a agricultura moderna tem o desafio de alimentar e nutrir uma quantidade

Vamos conhecer agora como o setor agrícola tem se modernizado ao longo

FAZENDA DIGITAL MODERNA

Um exemplo interessante para vislumbrar a utilização da internet das coisas é o uso

As principais modificações tecnológicas na agricultura ocorreram no último meio sé-

• As inovações tecnológicas inteligentes foram introduzidas na agricultura

• A agricultura inteligente é um sistema que utiliza internet, computação,

• O big data fornece insights preditivos para os resultados, a fim de

• Esses dados podem ser a quantidade de hectares realizados, quantidade

Telemetria é uma tecnologia que permite a medição e a comunicação de in-

Atualmente, veículos aéreos autônomos,

Câmeras hiperespectrais captam milhares ou centenas de espectros em vez