Agricultura 4.0

O estudante deve ter conhecimentos básicos de informática na óptica do utilizador.

A unidade currricular 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.

A unidade curricular 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.

MOD 1: Introdução à Agricultura Digital. O que é Agricultura Digital / Agricultura 4.0? Importância e benefícios da Agricultura Digital. História e evolução da Agricultura Digital. A Agricultura de Precisão

MOD 2: Tecnologia de Informação Geográfica na Agricultura. Tecnologia de Satélites de Posicionamento aplicada à Agricultura (GNSS). Sistemas de Informação Geográfica (SIG) na Agricultura. Aplicação dos Remotely Piloted Aircraft System na agricultura. Tipos de drones: asas fixas e multi-motores. Aplicações: cartografia, pulverização, monitorização. Sensores. Considerações legais e regulamentos para o uso de drones. Processamento digital de imagens para monitorizar culturas agrícolas. Deteção remota conceitos, fundamentos e plataformas (Orbitais, Avião, Drone). Remotely Piloted Aircraft System na agricultura. Deteção remota e uso de Imagens orbitais. Conceitos e fundamentos da deteção remota. Sistemas de deteção remota – sensores e plataformas. Processamento digital de imagem – técnicas de restauro e de realce. Técnicas de interpretação visual – fotointerpretação. Ocupação do solo (LCLU). Processamento digital de imagem – Técnicas de classificação. Processamento digital de imagem – Séries temporais e análise de mudanças.

MOD 3: Novas Tecnologias para a Agricultura. Internet das Things (IoT) e redes de sensores. Aplicação do conceito IoT na agricultura. Exemplos de sistemas práticos desenvolvidos. Sensores a utilizar: temperatura, humidade, pressão atmosférica, intensidade luminosa, pH, condutividade entre outros. Low Power Wide Area Networks (LPWAN). Requisitos, características e aplicações dos sistemas LPWAN. Tecnologia LORA e LORAWAN: características e aplicações. Tecnologia ZigBee – IEEE 802.15.4.: características e aplicações. Tópicos sobre a tecnologia Sigfox e NB-IoT. Tecnologias de informação e comunicação (ICT). Aplicação das tecnologias ICT na agricultura. Digitalização dos processos agrícolas. Rede LoRaWAN: arquitetura, tipo de mensagens, classes de dispositivos e segurança. Ativação dos dispositivos finais (End Device). Registo de dispositivos usados em agricultura: sensores e atuadores. Transceivers de rádio das tecnologias LORAWAN e ZigBee.

MOD 4: Sistemas automáticos de controlo. Inteligência Artificial, Machine learning e Big Data. Armazenamento, análise e interpretação de grandes volumes de dados provenientes de diversas fontes (Big Data). Implementação de soluções IoT: plataformas, protocolos e serviços de cloud. The Things Network (TTN) e The Things Stack (TTS). Desenvolvimento de dashboards para análise de dados. Aplicação da Inteligência Artificial (IA) à agricultura. Técnicas de machine learning (ML). Bayesian network, Decision tree, Artificial Neural Networks (ANN), Clustering e Algoritmos Genéticos. Tópicos sobre a tecnologia de blockchain aplicada à cadeia produtiva. Sistemas automáticos de controlo. Introdução e Fundamentos. Definição e Conceitos Básicos. O que são sistemas automáticos de controlo? Diferença entre controlo manual, semi-automático e automático. Exemplos aplicados à agricultura. Componentes Essenciais. Sensores (funções e tipos). Atuadores. Controladores (PI, PD, PID e outros). Interfaces homem-máquina (HMI). Arquiteturas de Controlo. Sistemas em malha aberta vs. malha fechada. Exemplos práticos em estufas e irrigação. Aplicações em Agricultura. Controlo Ambiental em Estufas. Monitorização e ajuste de temperatura, humidade e CO? Sistemas de controlo baseados em modelos (previsão e simulação). Irrigação Inteligente e de Precisão. Sistemas automáticos baseados em sensores de humidade e clima. Uso de dados climáticos e previsões. Sistemas de Navegação Autónoma em Máquinas Agrícolas. Controlo de veículos autónomos (tratores, drones). RTK-GPS e sistemas de visão computacional. Controlo em Processamento Pós-colheita. Controlo de armazenamento (temperatura e atmosfera controlada). Processamento automatizado de produtos agrícolas.

MOD 5: Robótica para Agrícola. Fundamentos e Introdução à Robótica Agrícola. Introdução. Definição de robótica e sua aplicação em diferentes setores. Contexto e importância da robótica na agricultura moderna. O impacto da robótica na produtividade e sustentabilidade. Componentes Básicos de um Robô Agrícola. Sensores: visão computacional, sensores de proximidade, sensores ambientais. Atuadores: braços robóticos, rodas, drones. Sistemas de controlo: inteligência e algoritmos de decisão. Fontes de energia: baterias, entre outros. Tipos de Robôs Agrícolas. Robôs de campo: para colheita, plantio, monitorização. Drones agrícolas: mapeamento, pulverização, recolha de dados. Robôs para pecuária: supervisão e alimentação de rebanhos. Robôs para estufas: poda, polinização e colheita. Aplicações e Tecnologias Emergentes. Aplicações em Agricultura de Precisão. Mapeamento e análise do solo. Monitorização de colheitas por drones. Otimização da irrigação e utilização de fertilizantes.  Robôs para Colheita e Poda. Tecnologias de visão computacional para identificar frutas maduras. Drones Agrícolas. Tipos de drones: asas fixas e multi-motores. Funções: pulverização, monitorização de colheita, recolha de dados climáticos. Automação em Pecuária. Robôs para ordenha automatizada. Monitorização da saúde animal através de sensores. Tecnologias Emergentes. Aprendizado de máquina (machine learning) na tomada de decisão robótica. Utilização de redes neurais para identificação de pragas e doenças. Integração de IoT para comunicação em tempo real.

MOD 6: Desafios e Futuro da Agricultura Digital. Evolução da Agricultura. Agricultura 5.0. Inteligência artificial avançada. Robótica colaborativa (cobots). Building Information Modeling. Biotecnologia e Genética de Precisão.

A avaliação será feita pela avaliação dos trabalhos e de um exame sobre conceitos e aspetos teóricos das abordagens, com um peso de 40%. Os restantes 60% serão atribuídos pela proficiência demonstrada no desenvolvimento de um projeto em ambiente “problema Based Learning”, relevante para os trabalhos de doutoramento.

NAO