Produtividade e bem-estar animal são o foco de parceria entre Embrapa, CPQD e Huawei

Publicado em 03/08/2021 11:32

Sensores de Internet das Coisas (IoT), colares inteligentes e balança de passagem utilizados de forma integrada para monitorar uma série de indicadores de produtividade, ambientais e de bem-estar animal em sistemas de integração lavoura-pecuária-floresta (ILPF). Essa é a proposta da parceria firmada entre a Embrapa, o CPQD e a Huawei, voltada ao desenvolvimento de soluções tecnológicas, para uso piloto, destinadas a melhorar a gestão e a produção em sistemas ILPF. 

As empresas parceiras são responsáveis pela instalação da infraestrutura de conectividade, sensores de IoT e plataforma computacional, além de apoiar o desenvolvimento das soluções. A Embrapa irá desenvolver modelos (algoritmos) de Inteligência Artificial (IA) para apoio à tomada de decisão dos produtores, usando como insumos os dados coletados pelos sensores e pela rede IoT. Com duração de 12 meses, o projeto vai até abril de 2022 e tem orçamento de R$ 1,2 milhão. 

Dois centros de pesquisa da Embrapa estão envolvidos diretamente nos estudos. A Embrapa Informática Agropecuária (SP) coordena o trabalho, visando desenvolver os algoritmos de IA que darão suporte às aplicações relacionadas à predição de ganho de produtividade e ao índice de bem-estar animal para auxiliar o produtor. As tecnologias serão implementadas no campo experimental da Embrapa Gado de Corte, em Campo Grande (MS), onde são conduzidas pesquisas de longa duração em ILPF, para a coleta de dados de microclima e monitoramento animal.

“O conjunto de dados de sensores, aliado à rede de Internet das Coisas e Inteligência Artificial, vai ajudar a antecipar o ganho de produtividade dos animais e aferir se o sistema de produção está alinhado às boas práticas”, afirma Camilo Carromeu, analista de TI da Embrapa. “As informações são importantes também para a adoção de protocolos e a certificação dos produtores, com a obtenção do selo carne carbono neutro (CNC) ou carne de baixo carbono (CBC), por exemplo”, acrescenta.

No campo experimental da Embrapa, a equipe técnica vai monitorar 32 bovinos de corte distribuídos em três sistemas de ILPF, para coletar de forma automática dados fisiológicos e comportamentais relativos ao bem-estar, acompanhar o ganho de peso diário e aferir dados de microclima das condições ambientais. Serão verificadas a temperatura cutânea, frequência cardíaca e respiratória dos animais, além de tempo estimado para abate, entre outros fatores.

A conectividade dos sensores será feita por meio da rede móvel 4G NB-IoT, utilizando equipamentos Huawei. A solução de nuvem (cloud) da Huawei suportará o desenvolvimento de algoritmos com IA embarcada. Já o CPQD fornecerá os componentes para a arquitetura de serviço, incluindo duas plataformas abertas que permitirão o armazenamento, a visualização e as análises dos dados em nuvem.

“Essa parceria irá viabilizar uma solução tecnológica inovadora para atender demandas e agregar valor ao negócio dos produtores rurais brasileiros que operam no modelo ILPF. A combinação de Inteligência Artificial e IoT em uma plataforma integrada permitirá ampliar a previsibilidade e a produtividade no manejo e, ainda, contribuir positivamente para a sustentabilidade ambiental, com a redução na emissão de gases de efeito estufa”, destaca Fabricio Lira Figueiredo, gerente de Desenvolvimento de Negócios em Agronegócio Inteligente do CPQD.

Uma das tecnologias que o CPQD deve fornecer ao projeto é a plataforma aberta dojot, desenvolvida com o objetivo de acelerar a criação de aplicações de IoT voltadas à realidade brasileira. A dojot nasceu como uma proposta open source brasileira e hoje possui uma comunidade de usuários distribuída por diversas empresas e instituições, de diferentes setores, que utilizam a plataforma no desenvolvimento de aplicações IoT em áreas distintas, como agronegócio, cidades inteligentes, saúde e indústria.

Outra plataforma aberta é a de Inteligência Artificial para o Agronegócio (PlatIAgro), que visa facilitar a construção de aplicações baseadas em IA, como machine learning em geral, visão computacional e processamento de linguagem natural no contexto do agronegócio brasileiro. A intenção é prover um ambiente com características que permitam ao usuário gerenciar modelos, fazer experimentações, comparar resultados e implantar de forma automatizada, dando mais agilidade ao desenvolvimento de aplicações IA voltadas ao setor.

O monitoramento diário do ganho de peso dos animais será feito com o Sistema Automático de Pesagem em Campo com Envio Remoto de Dados (“BalPass”), desenvolvido em cooperação pela Embrapa Gado de Corte, Coimma e Universidade Federal de Mato Grosso do Sul. O sistema permite acompanhar a curva de peso de cada animal, direto no pasto, por meio de sensores que coletam os dados nos corredores que levam o gado aos bebedouros ou cochos para alimentação. Já as condições de bem-estar animal serão aferidas por meio de dispositivos eletrônicos, do tipo vestível, conhecidos como Plataforma Eletrônica Bovina (BEP, na sigla em inglês) - tecnologia desenvolvida em parceria entre a Embrapa Gado de Corte e a UFMS e transferida para a startup Indext Soluções Tecnológicas. 

“A integração de todas essas tecnologias é o principal diferencial da pesquisa, com o uso de sensores inteligentes e a construção de uma arquitetura baseada em Inteligência Artificial que permitirá levar os dados do campo, transformados em informações úteis, diretamente às mãos dos produtores rurais”, conclui Camilo Carromeu.

Fonte: Assessoria de Comunicação

NOTÍCIAS RELACIONADAS

Em dia de campo, John Deere destaca projetos de capacitação e apresenta principais lançamentos
Setor de máquinas deve crescer 3,5% em 2025 após 3 anos de queda, diz Abimaq
StartSe Agro, divisão agrícola da StartSe, oferece cursos e imersões voltados a líderes, gestores e empresas do setor
StartSe Agro promove imersão em curso sobre Inteligência Artificial para o Agronegócio
Caravana histórica reuniu agricultores, influenciadores e tecnologia em uma jornada de 200 Km pela Rota Colonial brasileira
Como otimizar o desempenho de tratores e implementos
undefined