Agricultura 4.0

A UC procura desenvolver nos doutorandos um conhecimento profundo das diferentes abordagens e tecnologias e a forma como podem ser integradas para a gestão agrícola. Nesse contexto, além do conhecimento e proficiência na perspetiva do utilizador, os doutorandos terão ainda a hipótese de aprofundarem os conhecimentos técnicos através de desafios tecnológicos, alinhados com o seu tema de tese e que se destinam a adquirir competências que serão usadas e otimizadas nos trabalhos de tese. Esta abordagem de Problem Based Learning permite o aprofundamento de conhecimentos e sobretudo de competências técnicas invulgares na área da agricultura.

As metodologias propostas incluem a exposição de conceitos e conteúdos teóricos, seguidas de oportunidades “hands on”, “on the job” direcionadas individualmente para as necessidades em termos da tese de doutoramento de cada um dos doutorandos.

Assim, a abordagem procura tornar proficientes os doutorandos em teledeteção, tratamento de imagem e utilização de SIGs como instrumento de apoio à tomada de decisões.

Os doutorandos adquirirão ainda competências em IoT, automação, sistemas robóticos e processamento de dados com recurso metodologias inteligência artificial e machine learning.

Nas aulas teóricas é feita uma exposição teórica de cada assunto. Nas aulas teórico-práticas é efetuada a associação dos conceitos teóricos à resolução de exercícios teórico-práticos e apresentação de equipamentos utilizados em operações de utilização. Na componente prática os doutorandos desenvolverão o seu próprio projeto, em linha com o tema do seu doutoramento, ou seja, desenvolverão competências que serão depois usadas nos trabalhos de tese.

O curso fornece conhecimentos fundamentais de agricultura de precisão e a automação na agricultura, e da utilização de sistemas de informação na gestão agrícola. Os alunos devem: Ser proficientes na utilização de software de Sistemas de Informação Geográfica (SIG) e utilização de software SIG para edição, integração de dados e produção de informação. Conhecer como é efetuado o tratamento e edição de imagem, registo, processamento de dados e representação gráfica de dados. Conhecer a estrutura, as funções, ligações de diferentes tipos de sensores e atuadores, e dispositivos e tecnologias IoT. Diferenciar entre vários sistemas de automação e identificar os componentes utilizados, bem como compreender a ideias subjacentes à tecnologia de automação e reconhecer os diferentes tipos de sistemas robóticos. explorar as ferramentas e sistemas que utilizam inteligência artificial (IA), bem como conhecer o desenvolvimento de técnicas de machine learning, com dados reais.

Agricultura Digital
Agricultura 4.0 e Agricultura de Precisão. Uso de tecnologia na otimização de recursos como água, fertilizantes e pesticidas.
Tecnologia de Satélites e drones aplicada à Agricultura
Sistemas Globais de Navegação por Satélite (GNSS) e uso de drones. Deteção Remota aplicada à agricultura.
Processamento digital de imagens e interpretação para monitorizar culturas agrícolas.
Sistemas de Informação Geográfica (SIG) na Agricultura IoT, Automação e Robótica Agrícola
Internet of Things (IoT); sistemas robóticos e autónomos; sistemas de visão; automação; utilização de robôs e máquinas automatizadas no campo.
Inteligência Artificial, Machine learning e Big data na Agricultura
Armazenamento, análise e interpretação de grandes volumes de dados (Big Data). Aplicação de IA e técnicas de Machine learning na análise de dados agrícolas. Tomada de decisões automatizadas e previsões.
Blockchain na Agricultura.
Rastreabilidade e transparência na cadeia de produtos agrícolas.

NAO