A agricultura de precisão ajudou a reduzir o custo em 20% e atingiu uma taxa de precisão de 93% na previsão da produção de cana-de-açúcar.
A Trinoo é uma empresa de agricultura de precisão especializada em pulverização de drones para a agricultura. Atua desde 2018, respaldada por 2 anos de pesquisas na utilização de drones para pulverização de produtos na cultura da cana-de-açúcar. A empresa está localizada na maior área de produção de cana-de-açúcar da Colômbia - o departamento de Valle del Cauca. Essa área possui 14 usinas de cana-de-açúcar, onde, em média, são colhidos 240 mil hectares de cana-de-açúcar por ano.
Reduzindo os agentes de amadurecimento da cana e prevendo a produção da safra
Uma das mais importantes usinas de açúcar da Colômbia buscava melhorar sua eficiência no amadurecimento da cana e ter uma previsão mais precisa da produção de toneladas de cana por hectare de seus campos. Eles decidiram trabalhar em conjunto com a Trinoo e na definição do escopo do projeto, as duas empresas estabeleceram um protocolo de pesquisa que incluía:
A tecnologia a ser usada para captura de imagem e processamento subsequente
O momento em que as imagens devem ser tiradas de acordo com o desenvolvimento da cultura
As variedades de cana a serem analisadas, entre outros fatores
O objetivo do projeto era reduzir o uso de amadurecedores e melhorar a produção de toneladas de cana por hectare prevista. Isso reduziria os custos de produção por hectare e melhoraria o fluxo de caixa da fábrica, fornecendo previsões de produção de campo mais precisas até 120 dias antes da colheita.
Localização: Valle del Cauca, Colômbia
Data do projeto: Janeiro - outubro de 2020
Área coberta: 600 hectares
Número de imagens: 30.000
Programas: Pix4Dfields
Hardware: Drone Parrot Bluegrass para captura de dados // DJI Agras MG-1P drone para pulverizar // câmera Parrot Sequoia
Resolução das imagens: 8 cm/pix e 10 cm/pix
Aplicação do agente de amadurecimento com drones de pulverização e mapas de taxa variável
Para o processo de maturação, um agente de amadurecimento é aplicado a partir do ar nas folhas da cultura. É induzido a concentrar maiores teores de sacarose em seu colmo, o que aumenta a produção de açúcar por tonelada de cana colhida por hectare. Este trabalho tem sido tradicionalmente realizado com uma dosagem uniforme sem levar em conta que cada lote, dadas as condições do solo, regime de chuvas e manejo agronômico, apresenta diferentes níveis de desenvolvimento.
Além disso, a metodologia padrão utilizada até o momento é a coleta de amostras em campo que depois são analisadas em laboratório, processo que gera variações devido à dificuldade de se ter uma amostra verdadeiramente representativa de todo o lote.
O processo de maturação, uma vez combinado com a agricultura de precisão, pode ser feito em taxa variável, pulverizando mais ou menos produto com drone de pulverização, de acordo com o estágio de desenvolvimento da cultura. Trinoo propôs capturar imagens com um drone e câmeras espectrais, processar as imagens e criar mapas de pulverização de taxa variável de drones em Pix4Dfields para aplicar o agente de amadurecimento.
Desenvolvendo um algoritmo de previsão de produção de cana-de-açúcar
Para este projeto, a Trinoo desenvolveu um algoritmo para calcular as toneladas de cana-de-açúcar por hectare a partir de índices de vegetação e outras variáveis recomendadas pela equipe de colheita da usina de açúcar do cliente da Trinoo. No campo, o tamanho médio das parcelas a serem levantadas é de 15 hectares, o que gera desafios devido aos efeitos de latência e desligamento do drone nos pontos mais distantes de onde estava o piloto.
Para o desenvolvimento do algoritmo de previsão, o ponto de partida foram os índices de vegetação gerados no Pix4Dfields . Em seguida, foi realizado o processo de padronização, que consiste na identificação da assinatura espectral de cada variedade de cana e sua relação com as toneladas de cana por hectare (produção de biomassa), incluindo variáveis como idade e variedade da cana em análise.
Resultados do projeto
Reduzindo o custo do agente de amadurecimento em 20%
Por utilização de métodos de agricultura de precisão e pulverização drones , novo serviço da Trinoo gerado a partir deste projeto de pesquisa resultou na redução da compra de agente de amadurecimento para os produtores de cana em 20%.
“Isso significaria para nossos clientes - economia de aproximadamente US $ 200.000 por ano. Para o caso de todo o setor formado pelas 14 usinas de cana-de-açúcar localizadas no Vale do Cauca, isso poderia resultar em uma economia de US $ 800 mil a US $ um milhão por ano ”, destaca Felipe Barney Arango, coordenador de Inovação do Trinoo.
Atingindo índice de acerto de 93% na previsão da produção de cana-de-açúcar
Na previsão de toneladas de cana por hectare, o Trinoo alcançou 93% de acerto. “Essas informações podem melhorar a projeção de fluxo de caixa das empresas, o planejamento da fábrica e a projeção de vendas de cada usina, por poder antecipar em até 120 dias a quantidade de toneladas de cana que chegarão do campo. Isso acaba gerando uma economia substancial no planejamento da demanda de mão de obra e na quantidade de produto a ser comercializado ”, finaliza Felipe.
Vantagens do Pix4Dfields
Para esta pesquisa Trinoo processou 30.000 imagens com Pix4Dfields, distribuídas em 26 projetos. Eles encontraram as seguintes vantagens de software:
Alta usabilidade do software com funções muito intuitivas que facilitam o trabalho do técnico de processamento de imagens.
Baixa demanda de capacidade computacional, permitindo rodar o software em um computador com apenas 4 GB de RAM em uma velocidade de processamento de imagem aceitável.
Fácil exportação de relatórios, resultados, imagens e polígonos, facilitando a integração do trabalho com outros processos.
A grande variedade de índices vegetativos permitindo múltiplas combinações de análise.
Em comparação com outro software no mercado que a equipe do Trinoo experimentou e com base na revisão da literatura, eles descobriram que Pix4Dfields apresentou uma relação qualidade-preço muito boa e maior usabilidade, para pesquisadores não especialistas em GIS.
Fonte [Pix4D]
Comments