AGRICULTURA DE PRECISÃO 65 AGRADECIMENTOS Este trabalho foi realizado no âmbito do projeto H2020 FlexiGroBots, financiado pela Comissão Europeia (número de contrato 101017111, https://flexigrobots-h2020.eu/). Agradecemos a todos os colaboradores do projeto e à “Bodegas Terras Gauda, S.A.” pelas suas valiosas contribuições. Fig. 3. Planificação de missões aéreas com ACO-MMAS, utilizando uma ou várias plataformas. Os pontos verdes e vermelhos indicam, respetivamente, o início e o fim da rota. As zonas a branco representam zonas proibidas ou sem interesse agrícola. (a) (b) Figura 2. Movimiento del dron en cada cepa del viñedo: (a) Cada ubicación o waypoint se subdivide en izquierdo, central y derecho, capturando imágenes desde los tres ángulos. (b) En caso de interés agrícola en ambos lados del dosel, el UAV sigue una secuencia izquierda-central-derecha para cada lado, rotando la cámara para capturar desde múltiples perspectivas. 1 UAV 2 UAVs 3 UAVs Figura 3. Planificación de misiones aéreas con ACO-MMAS, usando una o varias plataformas. Los puntos verde y rojo señalan el inicio y fin de la ruta, respectivamente; las áreas en blanco representan zonas prohibidas o sin interés agrícola. REFERÊNCIAS • Ariza-Sentís, M., Vélez, S., & Valente, J. (2023). BBR: An open-source standard workflow based on biophysical crop parameters for automatic Botrytis cinerea assessment in vineyards. SoftwareX, 24, 101542. https://doi.org/10.1016/j.softx.2023.101542 • Mier, G., Valente, J., & De Bruin, S. (2023). Fields2Cover: An Open- -Source Coverage Path Planning Library for Unmanned Agricultural Vehicles. IEEE Robotics and Automation Letters, 8(4), 2166–2172. https://doi.org/10.1109/LRA.2023.3248439 • Vélez, S., Ariza-Sentís, M., & Valente, J. (2023). Mapping the spatial variability of Botrytis bunch rot risk in vineyards using UAV multispectral imagery. European Journal of Agronomy, 142, 126691. https://doi.org/10.1016/j.eja.2022.126691 cachos, especialmente em áreas onde existia ocultação de cachos. Além disso, a adaptabilidade do algoritmo a diferentes ambientes de vinha foi um dos pontos fortes mais destacados. O modelo demonstrou uma eficácia consistente, tanto em vinhas com disposições simples, como naquelas com estruturas de vegetação mais complexas e variadas. Esta flexibilidade é crucial para a aplicação prática do algoritmo na agricultura de precisão, onde as condições das culturas podem variar significativamente. É importante salientar como a implementação de tecnologias avançadas, como os UAV com planificação de rotas inteligentes, pode revolucionar a agricultura moderna. A abordagem apresentada não só melhora a eficiência operacional, como também contribui para uma gestão mais sustentável das culturas, tanto a nível económico como ambiental, reduzindo a necessidade de intervenções manuais e permitindo uma tomada de decisões mais informada e precisa. Em conclusão, este estudo demonstra que a utilização do algoritmo ACO para a planificação de rotas de UAV em vinhas oferece uma abordagem promissora para melhorar a eficiência e precisão na deteção de cachos no âmbito da agricultura de precisão. Os resultados obtidos não só validam a eficácia do modelo em diferentes ambientes, como também abrem caminho para futuras investigações e aplicações noutros aspetos da gestão agrícola. Através desta investigação, pretendemos estabelecer um novo padrão na planificação de rotas para UAV em culturas em latada, potenciando a eficiência e a eficácia na gestão das culturas e marcando um passo significativo no sentido do aproveitamento do potencial das tecnologias avançadas na melhoria das práticas agrícolas, marcando um avanço importante na procura de métodos mais eficientes e sustentáveis. n
RkJQdWJsaXNoZXIy Njg1MjYx