Estudo e desenvolvimento do módulo de gerenciamento de missões pré-programadas na plataforma SmartFarm utilizando VANTs
Resumo
Cresce o número de produtores e empresas de alimentos que utilizam sistemas baseados em Agricultura de Precisão (AP), para melhorar sua produtividade, seus produtos e os seus meios de produção. Utilizando componentes como sensores, para aquisição de informações, robôs na automação de tarefas, máquinas inteligentes e Veículos aéreos Não Tripulados (VANTs), também conhecidos como drones, para aquisição de imagens da lavoura. Surge a necessidade de armazenar, processar e gerenciar dados produzidos em uma fazenda, possibilitando a criação de uma plataforma computacional para gerenciamento destas informações, introduzindo ao conceito de uma fazenda digital (Smart Farm). Empresas e agricultores começam a considerar o uso de robôs para a automação de tarefas agrícolas. O uso de VANTs com avançados sensores e captura de imagens, relativamente baratos, estão criando novas formas de aumentar os lucros e reduzir os danos à produção. Drones estão ganhando espaço no mercado civil, empresas como Intel, Qualcomm, Microsoft, Apple já investiram em 2017, mais de US$500 milhões nesta área. Nos últimos anos, está crescendo a procura pela utilização de drones no sensoriamento remoto. O mapeamento aéreo de propriedades agrícolas tem como resultado, um meio de estimar a produção atual, monitorando o progresso ao longo do tempo. Nesse contexto, surge o projeto Smart Farm, com o objetivo de gerenciar e processar informações oriundas de sensores, ou imagens de um drone. Um módulo nesta plataforma consiste na criação de missões para captura de imagens da lavoura, ou em pontos específicos da propriedade. Assim, foi desenvolvido uma arquitetura contendo uma a plataforma web, APIs e um aplicativo capaz de controlar drones da empresa Dà-Jiāng Innovations (DJI), com base em seu SDK mobile. Utilizando o GPS, Google Maps e o SDK é possível criar uma missão pré-programada, no qual o drone seguirá pontos capturando imagens em diferentes ângulos e direções para pós processamento destas imagens na plataforma.
Referências
PAVON-PULIDO, N. et al. New trends in precision agriculture: a novel cloud-based system for enabling data storage and agricultural task planning and automation. Precision Agriculture, Springer, v. 18, n. 6, p. 1038–1068, 2017.
ALLAHYARI, M. S.; MOHAMMADZADEH, M.; NASTIS, S. A. Agricultural experts’ attitude towards precision agriculture: Evidence from guilan agricultural organization, northern iran. Information Processing in Agriculture, Elsevier, v. 3, n. 3, p. 183–189,2016.
CIRANI, C. B. S.; MORAES, M. A. F. D. d. Inovação na indústria sucroalcooleira paulista: os determinantes da adoção das tecnologias de agricultura de precisão. Revista de Economia e Sociologia Rural, SciELO Brasil, v. 48, n. 4, p. 543–565, 2010.
O’GRADY, M. J.; O’HARE, G. M. Modelling the smart farm. Information Processing in Agriculture, Elsevier, 2017.
ZAMBARDA, P. ’Internet das Coisas: entenda o conceito e o que muda com a tecnologia. 2014. Disponível em: ⟨http://www.techtudo.com.br/noticias/noticia/2014/08/internet-das-coisas-entenda-o-conceito-e-o-que-muda-com-tecnologia.html⟩. Acesso em: 26 de Abril de 2018.
LIMA, W. D. A internet das coisas. TECNOLOGIAS EM PROJEÇÃO, v. 8, n. 2, p.67–78, 2017.
POPOVIC, T. et al. Architecting an iot-enabled platform for precision agriculture and ecological monitoring: A case study. Computers and Electronics in Agriculture, Elsevier, v. 140, p. 255–265, 2017.
POBKRUT, T.; EAMSA-ARD, T.; KERDCHAROEN, T. Sensor drone for aerial odor mapping for agriculture and security services. In: IEEE. Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI-CON), 2016 13th International Conference on. [S.l.], 2016. p. 1–5.
CHRISTIANSEN, M. P. et al. Designing and testing a uav mapping system for agricultural field surveying. Sensors, Multidisciplinary Digital Publishing Institute, v. 17,n. 12, p. 2703, 017.
SANKEY, T. T. et al. Uav hyperspectral and lidar data and their fusion for arid and semi-arid land vegetation monitoring. Remote Sensing in Ecology and Conservation, Wiley Online Library, v. 4, n. 1, p. 20–33, 2018.
CORNELL, D. Teal Group Predicts Worldwide Civil Drone Production Will Soar Over the Next Decade. 2018. Disponível em: ⟨http://www.tealgroup.com/index.php/pages/press-releases/54-teal-group-predicts-worldwide-civil-drone-production-will-soar-over-the-next-decade⟩.Acesso em: 20 de agosto de 2018.
MAC HENG SHAO, F. B. R. Como Frank Wang transformou seu sonho de robôs voadores na maior empresa de drones do mundo. 2015. Disponível em: ⟨https://forbes.uol.com.br/negocios/2015/09/ como-frank-wang-transformou-seu-sonho-de-robos-voadores-na-maior-empresa-de-drones-do-mundo/ ⟩. Acesso em: 15 de agosto de 2018.
WORLD, G. DJI debuts agriculture drone. 2018. Disponível em: ⟨http://link.galegroup.com/apps/doc/A441704947/AONE?u=capes&sid=AONE&xid=6e8f4267⟩. Acesso em: 12 de agosto de 2018.
DJI.DJI - The Future Of Possible. 2018. Disponível em: ⟨https://www.dji.com/⟩.Acesso em: 10 de agosto de 2018
