Rafael Vieira de Sousa.

A robótica essencialmente uma área multidisciplinar e pode ser aplicada para estimular o desenvolvimento de habilidades de resolução de problemas e pensamento crítico. A criação de um robô funcional exige que os alunos identifiquem problemas, formulem hipóteses, testem soluções e façam ajustes conforme necessário. Esse processo iterativo reflete o método científico e o ciclo de projeto de engenharia, preparando os alunos para desafios reais do mercado de trabalho. Além das habilidades técnicas, a robótica também promove competências sociais, poia são realizados em grupos, o que requer colaboração, comunicação e divisão de tarefas. Nos EUA, competições como FIRST Robotics e VEX Robotics estimulam inovação e aprendizado. Na agricultura, desafios promovidos pela Sociedade Americana de Engenheiros Agrícolas e Biológicos (ASABE) representam uma vertente significativa na interseção entre educação, tecnologia e inovação no setor agrícola. Tais competições oferecem uma plataforma única para estudantes aplicarem seus conhecimentos em engenharia e robótica a problemas reais enfrentados na agricultura, um setor vital para a economia global e a segurança alimentar. Nesse contexto, o projeto tem como objetivo principal elaborar material didático para construção e programação de conjuntos didáticos (kits) de robótica, além de desenvolver arenas e cenários de competição voltados para crianças e adolescentes entre 10 e 15 anos. O material incluirá instruções detalhadas para montagem e programação de protótipos com funcionalidades básicas de navegação e desvio de obstáculos, bem como cenários de competição com aplicações agrícolas e ambientais. Além disso, serão criados e alimentados canais digital de mídia (ex. Youtube e Instagram) para distribuição e divulgação do material, assim para avaliação do impacto e da disseminação do material. A proposta envolve docentes, funcionários e alunos de graduação e pós-graduação de duas unidades da USP, a FZEA e a FMVZ.

A iniciativa GAIA (Grupo de Apoio ao Interesse Aeroespacial) teve o impulso inicial com a chamada para a 1ª Olimpíada Brasileira de Satélites MCTI (OBSAT: https://obsat.org.br/), atendendo à chamada do Ministério da Ciência Tecnologia e Inovação e montou duas equipes e apresentou duas propostas de projeto para desenvolvimento de aplicação de nanossatélites para concorrer na Fase I da OBSAT. Ambas equipes foram contempladas na Fase I da OBSAT e receberão um kit de nanossatélite denominado CubeSAT para construção da aplicação na Fase II e lançamento por meio de balão estratosférico na Fase III. A equipe DNA-SAT (https://youtu.be/zZdiCwrH-H4) tem a participação de alunos do ensino médio e fundamental dos colégios Colégio John e Liceu Vivere de Pirassununga, além de alunos do curso de Engenharia de Biossistemas de FZEA-USP. O projeto de cultura e extensão busca viabilizar a execução das etapas posteriores da OBSAT e tem como meta fomentar a inclusão de outros alunos das instituições que já participam da inciativa, assim como também de outras instituições cidade de Pirassununga-SP e região. Os participantes terão a oportunidade de desenvolver, integrar, testar, lançar e analisar os dados obtidos. Ao longo de todo esse processo, os participantes irão: aprender a partir de experiências práticas multidisciplinares, familiarizar-se com a metodologia científica e aproximar-se da cultura aeroespacial. A equipe DNA-SAT enviará células do sistema imunitário, os linfócitos, que são glóbulos brancos, de suínos à estratosfera, sendo posteriormente estudados os danos e consequências das características espaciais no DNA, especificamente nos telômeros dos glóbulos brancos. Esse estudo pode permitir o conhecimento do impacto da estratosfera no sistema imunitário, responsável pela manutenção da saúde, que poderá ser aplicado em estudos voltados para seres humanos, tanto para busca de cura de doenças, assim como para apoio à futura estadia do ser humano no espaço.

A iniciativa GAIA (Grupo de Apoio ao Interesse Aeroespacial) teve o impulso inicial com a chamada para a 1ª Olimpíada Brasileira de Satélites MCTI (OBSAT: https://obsat.org.br/), atendendo à chamada do Ministério da Ciência Tecnologia e Inovação e montou duas equipes e apresentou duas propostas de projeto para desenvolvimento de aplicação de nanossatélites para concorrer na Fase I da OBSAT. Ambas equipes foram contempladas na Fase I da OBSAT e receberão um kit de nanossatélite denominado CubeSAT para construção da aplicação na Fase II e lançamento por meio de balão estratosférico na Fase III. A equipe Aves-SAT (https://youtu.be/_pBHsClxH6w) tem a participação de alunos do ensino médio e fundamental dos colégios Liceu Vivere e CPM Colégio e Curso de Pirassununga, além de alunos do curso de Engenharia de Biossistemas de FZEA-USP. O projeto de cultura e extensão busca viabilizar a execução das etapas posteriores da OBSAT e tem como meta fomentar a inclusão de outros alunos das instituições que já participam da inciativa, assim como também de outras instituições cidade de Pirassununga-SP e região. Os participantes terão a oportunidade de desenvolver, integrar, testar, lançar e analisar os dados obtidos. Ao longo de todo esse processo, os participantes irão: aprender a partir de experiências práticas multidisciplinares, familiarizar-se com a metodologia científica e aproximar-se da cultura aeroespacial. O projeto da Equipe Aves-SAT tem como objetivo o desenvolvimento de sistema de captura de imagens e processamento baseados em inteligência artificial para compor sistema de monitoramento de rotas migratórias de aves silvestres. As imagens podem ser obtidas a partir da estratosfera (balão atmosférico) ou de camadas mais altas da atmosfera terrestre (satélites) para orientar a construção de geradores eólicos de energia ou de granjas avícolas. Na primeira situação busca-se minimizar a colisão de aves nas hélices dos geradores. Já na segunda situação busca-se minimizar o contato das aves selvagens com as aves das granjas para evitar a transmissão de vírus e demais patógenos, que podem inclusive afetar os seres humanos.

Construção de um portal Internet com objetivo geral de prover apoio à aquisição de conhecimentos e capacitação de alunos, pesquisadores profissionais no tema, assim como hospedar
aplicativos web relacionados com sistemas de informação para monitoramento de parâmetros agropecuários. O projeto em questão é parte de um projeto maior para pesquisa e
desenvolvimento de plataformas baseadas em Internet para viabilizar a integração de informações e a gestão (tomada de decisão) de sistemas agropecuários. Para esse projeto será
implantado um sistema de monitoramento de nível de conforto térmico de bovinos a partir de dados climatológicos disponibilizados por outros portais/sites na web. O sistema de
monitoramento utilizará algoritmo baseado em inteligência artificial que utiliza dados climatológicos e/ou fisiológicos consultados em bases de dados para aferir o nível de conforto térmico
de bovinos, que foi desenvolvido em trabalho de pesquisa pelo coordenador proponente e demais pesquisadores da FZEAUSP
(CANATA, T. F. ; SOUZA, R. V. ; MARTELLO, L. S. . Fuzzy
logic classifier applied for assessing beef cattle comfort using environmental and physiological data. In: 2014 ASABE Annual International Meeting, 2014, Montreal. 2014 ASABE Annual
International Meeting, 2014 ). O sistema de monitoramento poderá ser utilizado fundamentalmente para ensino de alunos e treinamento de profissionais no tema conforto animal, assim
como para subsidiar a pesquisa ou o manejo sustentável na produção animal.

High mortality rate of suckling piglets continues to represent a major source of economic loss and decreased welfare in the pig industry. Piglet mortality is a multifactor problem which is influenced by maternal, piglet and environmental factors. Low vitality at birth is a major factor contributing to pre-weaning mortality as it is associated with compromised colostrum intake. Piglet suckling behaviors can reflect vitality at birth. Currently, assessing newborn piglet suckling behaviors relies on human observation, which is time-consuming and prone to errors. Automated detection and analysis of suckling behaviors could be used as a strategy to early identify low-vitality piglets, reducing pre-weaning mortality. This BEPE project aligns with objective #3 of the postdoctoral scholarship in Brazil (grant number: 23/10750-9). The aims of this project are threefold: 1) to use an existing video dataset to annotate the suckling behaviors of individual piglets; 2) to evaluate the effect of three different farrowing crate layouts on newborn piglet suckling behaviors and performance in early lactation; and 3) to generate a labeled-image dataset for developing an automated monitoring system to predict piglet vitality and promptly identify piglets at risk for pre-weaning mortality. An existing video databank consisting of 546 farrowing processes will be utilized. The sows and piglets were housed in three different crate layouts during farrowing and lactation at the USDA-ARS Meat Animal Research Center, Clay Center, Nebraska, USA. The video recordings will be assessed, sorted, and edited. The script of an existing behavior analysis software will be modified to evaluate the following variables: interval from birth to first suckling, udder stimulation reflex, teat sampling, and udder post-massage. Selected video recordings will be uploaded to the software, and the above-mentioned variables will be annotated. The time to first suckle, behavioral time budgets, and piglet performance data will be organized in a spreadsheet and statistically analyzed. Creating a labeled-image dataset of piglet suckling behaviors will be the first step toward developing an automated computer vision monitoring system to predict piglet vitality and risk for preweaning mortality.

Na suinocultura há um grande apelo pelo desenvolvimento de estratégias e tecnologias que contribuam para a redução da mortalidade de leitões. A mortalidade pré-desmame pode variar de 5-20, com 50-80 dessas mortes ocorrendo durante a primeira semana de vida, principalmente durante as primeiras 72 horas após o parto. Estudos vêm demostrando que o comportamento materno pré-parto (comportamento de nidificação) e pós-parto (comportamento de amamentação, responsividade aos chamados dos leitões em perigo, comportamento cuidadoso ao realizar trocas posturais) exerce um papel fundamental para sobrevivência dos leitões até o desmame. Tradicionalmente, a análise de comportamentos é realizada por meio de observação humana, em um curto período de tempo e com um número limitado de animais, tornando-a laboriosa, subjetiva e suscetível a erro humano. Nesse sentido, a utilização de ferramentas de inteligência artificial ou, mais especificamente, de visão computacional poderiam ser uma alternativa para superar esses desafios e analisar de forma mais robusta o impacto do comportamento materno sobre a sobrevivência e desenvolvimento de leitões. Diante do exposto, o presente projeto possui os seguintes objetivos: 1) identificar padrões de atividades de matrizes suínas relacionadas ao comportamento de nidificação durante o pré-parto que sejam possíveis preditores de comportamento materno inadequado durante o parto e na fase inicial da lactação (cinco dias após o parto), resultando em maior mortalidade de leitões; 2) avaliar como o fornecimento de substrato para nidificação influencia a expressão de comportamentos maternos no periparto (pré-parto, parto e imediatamente após o parto) importantes para a sobrevivência de leitões até o quinto dia após o parto; 3) utilizar as informações comportamentais (posturas e trocas posturais, tanto em termos de tempo, como frequência) para permitir o desenvolvimento de modelo computacional (algoritmo) para compor sistemas automatizados de monitoramento por visão computacional com base em métodos de aprendizado profundo (deep learning). Busca-se viabilizar a predição automática dos padrões de atividades no período periparto e identificar de forma precoce matrizes suínas que apresentem comportamento materno inadequado durante o parto e fase inicial da lactação. Para tanto, será realizado um experimento em granja comercial. Serão utilizadas 56 matrizes suínas. O experimento será conduzido em dois períodos: verão (n = 28) e inverno (n =28). Em cada período experimental as matrizes serão transferidas para a maternidade sete dias antes da data prevista de parto e distribuídas em dois grupos: matrizes com acesso a substrato para nidificação (n = 14) e matrizes sem acesso a substrato (n = 14). Todas as matrizes serão alojadas em celas parideiras convencionais. As celas parideiras serão instrumentadas com sistema de câmeras para coleta de vídeo-imagens durante 24h por oito dias consecutivos, tendo início dois dias antes do parto, durante o parto, e cinco dias pós-parto. O número de leitões nascidos totais, natimortos, duração do parto, intervalo de nascimento entre leitões, número de leitões mortos até o quinto dia após o parto e a causa da morte serão anotados As avaliações comportamentais serão avaliadas de acordo com um etograma pré-estabelecido. As vídeo-imagens serão rotuladas manualmente para compor uma base de dados de imagens para treinamento de modelos baseados em rede neurais convolucional (RNC) para detecção de postura utilizando o software SLEAP (Social LEAP Estimates Animal Poses). Diferentes arquiteturas de RNC utilizadas para construção de diferentes modelos para classificação de posturas. Os modelos serão confrontados utilizando as métricas de matriz confusão (acurácia, precisão e sensibilidade) para se obter o melhor modelo computacional para o sistema de visão.

Feed efficiency, defined as an animal's ability to convert feed into desired products, has important impacts on the sustainability and economic viability of beef production systems. Although various methods have been developed to quantify feed efficiency, accurately assessing feed efficiency remains to be challenged due to its complexity. Recent advances in metabolomics offer a great opportunity for predicting feed efficiency in beef cattle. The objective of this study is to explore the application of artificial intelligence models for feed efficiency prediction in beef cattle using metabolite data. An existing dataset consisting of metabolite information from 64 Black Angus cattle will be used in this study. Using various artificial intelligence models, we will first select the metabolite features that are highly correlated with feed efficiency, which will be then fitted into the models for predicting feed efficiency. All analyses will be conducted using the Python programming language.

Em sistemas intensivos, o clima afeta o comportamento alimentar de bovinos, influenciando ingestão de água e matéria seca, horários e frequência de consumo. Associado a isso, a hierarquia de dominância é crucial para bovinos confinados, afetando interações sociais, acesso a recursos e comportamento geral. Em avaliações como o Teste de Desempenho e Eficiência Alimentar (TDEA) do PNAT da ABCZ, entender interações entre clima, desempenho e comportamento é essencial para o aprimoramento dos protocolos. Tradicionalmente, medir desempenho, comportamento, resposta térmica e hierarquia exige coleta presencial e observação trabalhosa. Nesse contexto, o projeto busca investigar, implantar e testar métodos e técnicas de medição não-invasiva associados a algoritmos de aprendizado de máquina para monitoramento dos animais em tempo real e sem intervenção. Este estudo visa avaliar cerca de 150 animais no TDEA 2024-2025, representando a raça Nelore de vários estados. Dados de vídeo-imagens, meteorológicos e do sistema Intergado (Intergado Ltd.) serão analisados usando utilizando estatística e algoritmos de aprendizado de máquina não supervisionado (correlação, agrupamento e associação) para buscar insights entre dados. Análise estatística e aprendizado não supervisionado buscam associações entre desempenho animal com comportamento alimentar, resposta térmica e hierarquia. Isso guiará a construção de algoritmos de aprendizado supervisionado para sistemas de visão computacional classificadores. Os classificadores serão baseados em arquiteturas de Rede Neural Convolucional (CNN) construídas com a ferramenta SLEAP (https://sleap.ai/) para identificar e rastrear pontos do esqueleto dos animais. Os dados de vídeo serão rotulados e divididos em conjuntos de treinamento e teste. Hiperparâmetros (épocas, taxa de aprendizado, lote e otimizador) serão definidos empiricamente. O desempenho dos algoritmos serão avaliados usando métricas como a precisão média (Mean Average Precision mAP).

O projeto de pós-doutorado está associado ao projeto intitulado: Gestão hídrica da pecuária leiteira pelo uso de ferramentas e práticas hidricamente responsáveis e frente aos impactos das mudanças climáticas, coordenado pelo pesquisador Dr. Julio Cesar Pascale Palhares Embrapa Pecuária Sudeste, em parceria com diversas instituições participantes. O objetivo geral do projeto é promover a gestão hídrica da pecuária leiteira pelo uso de boas práticas de produção e ferramentas de suporte à decisão. Inseridos neste objetivo, o projeto de pós-doutorado visa [1] a geração de modelos, utilizando aprendizado de máquina, para predição da demanda hídrica para tomada de decisão; [2] a avaliação do impacto de cenários climáticos na demanda hídrica dos animais e de práticas de conforto térmico, através da técnica de mineração de dados, e [3] a elaboração de índices de escassez hídrica para microbacias hidrográficas leiteiras, considerando os cenários de mudanças climáticas e o impacto do uso de boas práticas hídricas. O tema é emergente e de suma importância, devido à elevada demanda de recursos hídricos pela atividade leiteira e à necessidade de quantificar e otimizar o uso da água, assim como planejar estratégias de mitigação dos impactos ambientais negativos proveniente das mudanças climáticas, sob a pecuária de leite.

A bovinocultura de leite é uma atividade intensiva no uso de água. Há um conhecimento parcial dos atores do setor leiteiro nacional, da comunidade acadêmica e das instituições públicas sobre o uso da água pela atividade. Portanto, gerar informações e conhecimentos a fim de incentivar o desenvolvimento e a inovação para que o uso dos recursos hídricos na atividade seja feito considerando boas práticas ambientais é fundamental para um país que tem como uma de suas bases econômica e social a produção de commodities agropecuárias e, uma das garantias disso, é a oferta de recursos hídricos. Houve significativas evoluções nos sistemas de produção leiteiros e em seus manejos reprodutivos, nutricionais e sanitários. O momento é de um novo salto, o de manejar sistemicamente a atividade e conhecer os seus fluxos hídricos. Oconhecimento desses fluxos proporcionará uma produção mais equilibrada e socialmente valorizada, pois não será entendida como uma exploradora de recursos naturais, mas sim, omo uma transformadora eficiente de água em alimento. A gestão hídrica da atividade leiteiraproporcionará melhor eficiência de uso do recurso e maior resiliência a atividade frente aosdesafios ambientais e climáticos. Deve-se quantificar os consumos de água na unidade produtiva por sistema de produção e tipo de uso. A partir desta quantificação, indicadores de eficiência e produtividade hídrica poderão ser gerados a fim de identificar as ineficiências de uso do recurso e os riscos que a atividade está exposta frente aos cenários climáticos. Para mitigar as ineficiências e dar resiliência aos sistemas se propõe boas práticas de produção como o reuso de efluentes, a captação da água da chuva e a irrigação eficiente. Ferramentas de tomada de decisão que compreendam a avaliação hídrica da propriedade leiteira e o uso ficiente da água e dos efluentes como fertilizante promoverão a conservação do recurso atural em quantidade e qualidade.

O período do sono em humanos é muito estudado e gera informações úteis e aplicáveis na melhoria do bem-estar das pessoas e desempenho físico de atletas. O repouso adequado é considerado um dos pilares para o sucesso nas abordagens terapêuticas e como parte do treinamento para que os atletas alcancem as vitórias. Nos cavalos, há cerca de trinta períodos de sono NREM ao longo do dia, sendo que neste caso o cavalo pode descansar em estação. Porém, para atingir o sono REM, ele precisa necessariamente estar em decúbito. O sono completo é alcançado pela alternação cíclica destas fases. Durante a rotina de atendimento hospitalar em equinos é possível identificar um grande número de alterações comportamentais devido à internação. Entretanto, a influência da internação no repouso (tempo de descanso, seja em estação ou em decúbito) de cavalos hospitalizados e enfermos nunca foi estudada. É desconhecido o quanto a interferência no sono pode alterar os parâmetros fisiológicos dos cavalos durante a abordagem terapêutica, influenciando tanto na recuperação e tempo de internação dos mesmos, como na ocorrência de complicações clínicas. Além disso, especula-se que a interferência no tempo de repouso está relacionada com dificuldade de tratamento e/ou manejo dos cavalos, aumentando o estresse no ambiente hospitalar. O objetivo desse trabalho é avaliar como os fatores hospitalização, tipo de lesão, sistema acometido e atividade física interferem no tempo de repouso (aumento ou diminuição). Nossa hipótese é que esses fatores interferem no tempo de repouso, estado emocional e físico dos equinos. Espera-se com estes dados demonstrar a necessidade de intervenção para melhorar o repouso e minimizar o tempo de internação, bem como seus efeitos deletérios.Para o desenvolvimento deste estudo serão utilizados cavalos internados por no mínimo cinco dias no Hospital Veterinário da Faculdade de Medicina Veterinária e Zootecnia da Universidade de São Paulo e no Teaching Hospital - Texas AM University - EUA. Neste último também serão utilizados animais do time equestre da própria Universidade, em seu ambiente natural e quando internados. Eles serão monitorados por meio de gravações de vídeo-imagem dos tempos de repouso (identificados por etograma), da mensuração dos parâmetros fisiológicos e da variabilidade da frequência cardíaca. Os arquivos de vídeo-imagem serão rotulados e utilizados para desenvolvimento de banco de dados para suporte ao desenvolvimento de sistema automatizado de monitoramento por visão de computacional com base em métodos de inteligência artificial de Aprendizado Profundo (Deep Learning) como, por exemplo, e Rede Neural Convolucional (Convolutional Neural Network - CNN). O processo de rotulagem terá como base para classificação os dados de correlação entre tempos de repouso, parâmetros fisiológicos e variabilidade da frequência cardíaca com tempo de internação, tipo de lesão diagnosticada, sistema acometido e atividade física. Este método futuramente poderá ser incorporado no conceito de "hospital inteligente", onde a inteligência artificial poderá ser utilizada como auxiliadora dos médicos veterinários na detecção de alterações comportamentais e clínicas do cavalo hospitalizado.

Estudos recentes em produção animal têm mostrado que medidas de desempenho relacionadas à massa corporal servem de assistência ao manejo animal e na qualidade da proteína animal produzida. Nesse contexto, o projeto busca a construção e avaliação de sistema de visão computacional baseado em câmera 3D e identificação por rádio frequência (RFID) para monitoramento automatizado do desempenho de suínos em fase de terminação. Para tal finalidade serão utilizados dados experimentais de 50 suínos alojados em duas baias entre a 8 e a 20 semana, com massa corporal entre 20 e 120 kg. Serão utilizados dados de pesagem associados a imagens 3D obtidas com câmera RGB-D associadas a identificação por RFID de cada animal. A partir da base de dados serão avaliados algoritmos de extração de características dimensionais da superfície dorsal associados a modelos computacionais para predição de massa corporal. Para a etapa de modelagem serão avaliados diferentes algoritmos baseados em Aprendizado de Máquina (ex. redes neurais artificiais, máquina de vetores de suporte, floresta randômica e k-vizinhos mais próximos) utilizando combinações diferentes de entradas para predição. Os testes para confrontar os modelos de predição utilizarão como métrica de análise parâmetros de regressão linear (coeficiente de correlação e resíduo) e de erro (erro médio porcentual e raiz do erro quadrático médio). Através dos resultados do projeto busca-se evidenciar não só as melhores técnicas computacionais para construção dos modelos, mas também evidenciar o potencial do uso da câmera RGB-D associada identificação por RFID.

Desenvolvimento de modelos computacionais baseados em aprendizado de máquina para predição de massa corporal e identificação de comportamento e nível de estresse térmico na suinocultura, a partir de dados coletados em experimentos realizados em plantas de produção animal. O banco de dados para construção dos modelos será construído com dados obtidos por termografia de infravermelho, varredura por imagem 2D (RGB) e 3D (em profundidade) e registro de condições ambientais.

A técnica flash sintering (SF), apresentada na literatura na última década, consiste na aplicação de campo elétrico na amostra concomitante com o aumento de temperatura do forno, durante a sinterização. Materiais com coeficiente de temperatura negativo têm sua resistência elétrica inversamente proporcional à temperatura. Sendo assim, em determinada temperatura será induzida uma corrente elétrica significativa através da amostra. Essa corrente elétrica aquece a amostra abruptamente, ocasionando a sua retração/densificação em poucos segundos. A relação entre os parâmetros (como densidade de corrente elétrica, intensidade do campo elétrico, modo de corrente elétrica, entre outros) utilizados na SF e as propriedades físicas e microestruturais obtidas não se encontra estabelecida. Isso ocorre, pois o entendimento dos mecanismos envolvidos no processo ainda se encontra em debate, o que até o momento dificulta a definição das melhores condições a serem utilizadas. A heterogeneidade da microestrutura é um fator que vêm sendo discutido. Nesse sentido, o objetivo do presente projeto é desenvolver uma metodologia para controlar a microestrutura da 3Y-TZP e da 8Y-TZP usando a técnica Multi Step Flash Sintering (MSFS). Para isso, será utilizada a técnica de impedância intercalada com a MSFS, usando a análise experimental por combinações de múltiplas variáveis (temperatura do forno, intensidade de campo elétrico, pressão, densidade de corrente elétrica, entre outras) nos diferentes materiais estudados, visando obter informações das amostras durante todo o processo de sinterização. Com os resultados obtidos pretende-se obter modelos baseados em regressão linear e em redes neurais artificiais (RNA), visando a predição de características das amostras sinterizadas nas diferentes condições da técnica de MSFS. (AU)

Entre os temas atuais de pesquisa em produção animal estão o desenvolvimento de tecnologias e modelos computacionais para estimar o desempenho e estresse térmico do animal através medições não invasivas. Nesse contexto, o objetivo do trabalho é a construção e avaliação de modelos, baseados em inteligência artificial, para estimativa de variáveis fisiológicas associadas ao estresse térmico de bovinos de leite. Para geração dos modelos serão considerados dados ambientais como temperatura e umidade, e os dados fisiológicos de temperatura retal, frequência respiratória e temperatura de superfícies corporais obtidas por termografia de infravermelho. Os modelos para avaliação de estresse térmico serão baseados na estimativa da temperatura retal ou na frequência respiratória dos bovinos utilizando medidas coletadas em estabulação livre. Diferentes modelos baseados em redes neurais artificiais serão gerados, variando-se a topologia e os conjuntos de entrada por método de validação cruzada. Os modelos serão analisados e comparados com métodos convencionais de regressão através dos parâmetros do diagrama de dispersão entre os valores medidos e estimados (temperatura retal e frequência respiratória). Também, os valores de predição gerados pelos melhores modelos baseados em redes neurais artificias serão utilizados para classificação do nível de estresse individual de cada animal (normal, alerta, perigo e emergência), e serão comparados com a classificação gerada pelo Índice de Temperatura e Umidade.

O monitoramento do número de pragas de insetos é um componente crucial nos sistemas de manejo de pragas baseados em feromônios. O projeto tem como objetivo o desenvolvimento de um sistema de identificação e contagem automática baseado em rede neural convolucional aplicada a imagens tiradas dentro de armadilhas de campo. Busca-se evidenciar os insetos que são pragas na cultura, assim como quantificá-los para posterior armazenamento das informações em sistema integrado de controle de pragas.

Atividades recentes pesquisa e inovação buscam o desenvolvimento de ferramentas de suporte a decisão para sistemas de produção animal. Entre os temas principais de pesquisa estão o desenvolvimento de tecnologias e modelos computacionais para estimar o desempenho e estresse térmico do animal através medições não invasivas. Nesse contexto, o objetivo do trabalho é a construção e avaliação de modelos, baseados em inteligência artificial, para estimativa de variáveis fisiológicas associadas ao estresse térmico de bovinos de leite. Para geração dos modelos serão considerados dados ambientais como temperatura e umidade, e os dados fisiológicos de temperatura retal, frequência respiratória e temperatura de superfícies corporais obtidas por termografia de infravermelho. Os modelos para avaliação de estresse térmico serão baseados na estimativa da temperatura retal ou na frequência respiratória dos bovinos utilizando medidas coletadas em estabulação livre. Diferentes modelos baseados em redes neurais artificiais serão gerados, variando-se a topologia e os conjuntos de entrada por método de validação cruzada. Os modelos serão analisados e comparados com métodos convencionais de regressão através dos parâmetros do diagrama de dispersão entre os valores medidos e estimados (temperatura retal e frequência respiratória). Também, os valores de predição gerados pelos melhores modelos baseados em redes neurais artificias serão utilizados para classificação do nível de estresse individual de cada animal (normal, alerta, perigo e emergência), e serão comparados com a classificação gerada pelo Índice de Temperatura e Umidade (Temperature Humidty Index ? THI).

Entre os temas atuais de pesquisa em produção animal estão o desenvolvimento de tecnologias e modelos computacionais para estimar o desempenho e estresse térmico do animal através medições não invasivas. Nesse contexto, o objetivo do trabalho é a construção e avaliação de modelos, baseados em inteligência artificial, para estimativa de variáveis fisiológicas associadas ao estresse térmico de bovinos de leite. Para geração dos modelos serão considerados dados ambientais como temperatura e umidade, e os dados fisiológicos de temperatura retal, frequência respiratória e temperatura de superfícies corporais obtidas por termografia de infravermelho. Os modelos para avaliação de estresse térmico serão baseados na estimativa da temperatura retal ou na frequência respiratória dos bovinos utilizando medidas coletadas em estabulação livre. Diferentes modelos baseados em redes neurais artificiais serão gerados, variando-se a topologia e os conjuntos de entrada por método de validação cruzada. Os modelos serão analisados e comparados com métodos convencionais de regressão através dos parâmetros do diagrama de dispersão entre os valores medidos e estimados (temperatura retal e frequência respiratória). Também, os valores de predição gerados pelos melhores modelos baseados em redes neurais artificias serão utilizados para classificação do nível de estresse individual de cada animal (normal, alerta, perigo e emergência), e serão comparados com a classificação gerada pelo Índice de Temperatura e Umidade.

A temperatura retal (TR) e a frequência respiratória (FR) são duas características importantes para avaliação do estresse de bovino s, porém a coleta de dados em campo exige tempo e ou contato com os animais, sendo muitas vezes trabalhosas para se aferir. Dessa forma, é de grande interesse o desenvolvimento de métodos alternativos para estimar essas características, sobretudo considerando-se métodos não-invasivos e passíveis de automação, como a termografia de infravermelho (TIV). A estimativa de características fisiológicas por meio de ferramentas não-invasivas, ou seja, que não exijam a contenção dos animais, abre caminho para o desenvolvimento de métodos de classificação do estresse térmico dos animais de modo contínuo e em tempo real, podendo ser realizados com os animais em seu ambiente de criação. O objetivo deste projeto será desenvolver um classificador de conforto térmico, baseado na estimativa de temperatura retal ou frequência respiratória, utilizando dados ambientais e temperatura de superfície dos animais (pelame) por meio da termografia de infravermelho.

Nos últimos anos diversos temas passaram a figurar em pesquisas relacionadas a atividades agroindustriais, dentre eles três são abordados nesse projeto. O primeiro é o Farm Management Information Systems - FMIS que é um sistema para coleta, processamento, armazenamento e disseminação de dados para o gerenciamento agrícola. O segundo é o uso da robótica e o desenvolvimento de robôs agrícolas ou a adaptação de máquinas agrícolas para realizarem operações automáticas. Por fim, o uso de sistemas aéreos não tripulados (UAS) para sensoriamento remoto. O objetivo desse projeto é utilizar as informações do ambiente agrícola, obtidas por UAS, para criar missões para um robô agrícola móvel. Espera-se que no futuro outras áreas, como a logística agrícola, possam usufruir desses resultados. Para alcançar o objetivo proposto, um UAS do tipo octocoptero, será utilizado para coletar dados georreferenciados (imagens no espectro visível e infravermelho) de uma área agrícola de interesse. Esses dados serão processados e pontos de interesse como árvores, tipo de vegetação, construções, estradas, índices vegetativos serão identificados. Baseado nesses pontos de interesse, missões serão elaboradas e enviadas para o robô agrícola. O projeto irá abordar temas atuais e carentes de pesquisa no Brasil como a robótica agrícola e o gerenciamento da informação. Espera-se que os resultados obtidos possam ser adaptados e aplicados na automação de sistemas ou máquinas agrícolas comerciais.

O monitoramento do número de pragas de insetos é um componente crucial nos sistemas de manejo de pragas baseados em feromonas. O projeto tem como objetivo o desenvolvimento de um sistema de identificação e contagem automática baseado em rede neural convolucional aplicada a imagens tiradas dentro de armadilhas de campo. Busca-se evidenciar os insetos que são pragas na cultura, assim como quantificá-los para posterior armazenamento das informações em sistema integrado de controle de pragas.

Um novo conceito de materiais muito estudado envolve materiais nanoestruturados, que podem ser definidos como sistemas que contenham pelo menos uma característica microestrutural com dimensões nanométricas. Essas nanoestruturas podem ser responsáveis por características peculiares nas propriedades desses materiais, tais como: aumento da dureza, mudança do modo de fratura de intragranular para transgranular, além de melhoria das propriedades mecânicas e de desgaste. Nesse contexto o objetivo desse projeto está concentrado no desenvolvimento e na adaptação de um forno tubular de alta temperatura para que se possa aplicar pressão (tensão mecânica axial) e campo elétrico (com corrente contínua e/ou alternada) para estudar uma rota não convencional e ultrarrápida de sinterização: flash sintering. Ressalta-se que nesse processo, sinterização é assistida por campo eletromagnético. Para isso serão estudados e desenvolvidos nanocompósitos de matriz cerâmica de zircônia contendo inicialmente inclusões nanométricas de alumina. Na técnica de flash sintering, baixos valores de campo eletromagnético e uma corrente contínua (cc), ou corrente alternada (ca), são aplicadas durante a sinterização. Como resultado, obtém-se uma taxa de sinterização significativamente acelerada e uma redução no crescimento de grão da cerâmica. Sendo assim, técnicas de sinterização não convencionais (como o flash sintering) são alternativas promissoras para o controle da microestrutura de materiais cerâmicos, utilizando até 70% menos energia durante o processo de sinterização.

Para integrar necessidades práticas do Campus ligadas à conservação e manutenção das reservas ecológicas às atividades de pesquisa e ensino adquiriu-se um sistema de monitoramento que será operado em colaboração com docentes do curso de Engenharia de Biossistemas. O sistema possui vasto número de aplicações que incluem monitoramento limnológico, relacionado a alguns aspectos abióticos tais como as dimensões das reservas d água presentes (açudes, lagos e córregos), tanto nos períodos de chuva como nos de estiagem. Dimensionamento de áreas de mata ciliar, solo exposto, solo agriculturável, pastagens e eventuais impactos e o tipo de manejo agropecuário causa no meio. Monitoramento de áreas de risco (deslizamentos, incêndios, inundação), aplicações que envolvam a integração lavoura floresta e pecuária floresta e avanço de erosão.

O comportamento do bovino é feito em relação ao seu temperamento, que é definido como a expressão do comportamento de medo em resposta às ações realizadas pelo homem durante as atividades de manejo diário com os animais. Apesar de ser uma medida importante, a quantificação do temperamento bovino não é tarefa fácil, sobretudo por se tratar de uma medida de avaliação subjetiva, fator limitante para a confiabilidade das respostas. Um método objetivo de quantificação do temperamento é a velocidade de fuga, que é a medida objetiva do tempo (décimos de segundo) que o animal leva para percorrer a distância de 1,7 metros, após sair do tronco de contenção. Outra medida associada ao estresse animal é a medida da temperatura de superfície corporal, que pode ser realizada por meio de imagens termográficas, sem o contato físico com o animal. Para avaliação de dados imprecisos, a teoria fuzzy tem sido bastante adequada, uma vez que possibilita modelar e manipular matematicamente informações vagas e imprecisas, naturais de linguagem comportamental. Dessa forma, o objetivo deste projeto será utilizar a metodologia Fuzzy para estimar o nível de estresse de bovinos em confinamento por meio de imagens termográficas e características de comportamento. Além de estudar a variação do comportamento do bovino em relação ao tempo de confinamento, e analisar a relação entre os níveis de estresse com o desempenho do bovino. Serão utilizados 48 bovinos da raça Nelore, que serão confinados durante 80 dias. Serão avaliadas, a cada 28 dias, características de comportamento, pelagem e imagens termográficas, com os animais contidos no tronco. A imagens termográficas serão realizadas com uma câmera TESTO-875, com imagens retiradas da cabeça e costelas do animal. O comportamento (temperamento) será avaliado por meio da técnica de ?escore de brete? e da velocidade de fuga, utilizando um sensor para esta análise. Os dados serão analisados com o auxilio do software Matlab, onde irá se desenvolver a lógica Fuzzy para análise dos dados. Espera-se realizar ao mínimo 3 avaliações durante o confinamento. Os dados de desempenho dos animais serão avaliados para estudar a possível associação com os resultados do comportamento animal.

A Agricultura de Precisão e as práticas que levam em conta a proteção do meio ambiente necessitam de sistemas mais precisos e com maior capacidade para amostragem e para manipulação de dados. Uma das tendências de pesquisa na área é a aplicação de sistemas de automação inteligentes em tarefas agrícolas de campo, tendo como destaque atual a busca por tecnologias que viabilizam a construção e a aplicação robôs móveis agrícolas. Sob o contexto destas demandas e da necessidade de serem desenvolvidas tecnologias nacionais que permitam fortalecer o setor industrial agrícola do Brasil, é proposta a pesquisa de arquitetura robótica híbrida baseada em controladores inteligentes com comportamentos robóticos para máquinas automatizadas e para robôs móveis com características para aplicação em ambiente agrícola. O foco da atividades de pesquisa baseiam em modelagem e a simulação em ambiente virtual de plataforma robótica e de arquitetura robótica híbrida com módulo deliberativo e comportamentos difusos e não difusos para permitir a navegação autônoma e a execução de tarefa de mapeamento de variáveis agronômicas por robô móveis. A arquitetura será explicitada com o detalhamento do módulo deliberativo e o módulo reativo, do mecanismo de interação entre esses módulos, da arquitetura de comportamentos e do processo de coordenação dos comportamento. Além disso, serão avaliados diferentes grupos de sensores, comportamentos e atuadores, buscando estabelecer conjuntos que integrados à arquitetura viabilizem diferentes aplicações em tipos diferentes de lavoura característicos de cultivos Nacionais.

Novas práticas agrícolas, tais como as relacionadas com a Agricultura de Precisão e com as práticas que levam em conta a proteção do meio ambiente, necessitam sistemas mais precisos e com maior capacidade para amostragem e para manipulação de dados. Uma das tendências de pesquisa na área é a aplicação de sistemas automáticos em tarefas agrícolas de campo, tendo como destaques a busca por tecnologias que viabilizam a construção e a aplicação de sistemas de automação inteligentes, máquinas autônomas e de robôs móveis agrícolas. Sob o contexto destas demandas e da necessidade de serem desenvolvidas tecnologias nacionais que permitam fortalecer o setor industrial agrícola do Brasil, é proposto o Projeto de Pesquisa para desenvolvimento de sistemas inteligentes de automação e de arquiteturas robóticas baseadas em controladores inteligentes e em comportamentos robóticos para máquinas autônomas e robôs móveis com características para aplicação em ambiente agrícola e que potencializam aplicação em culturas agrícolas do Brasil. O foco do trabalho é a pesquisa e desenvolvimento de tecnologias e metodologias para permitir a construção e aplicação de sensores, de controladores inteligentes e de robôs móveis para tarefas agrícolas, entretanto espera-se que derivações tecnológicas dessa pesquisa possam ser aplicadas para aprimoramento dos sistemas atuais de automação de máquinas e implementos agrícolas. Esse trabalho contempla a utilização de simulação em ambientes virtuais, a utilização de plataformas robóticas reais para experimentação e validação dos sistemas inteligentes de automação e das arquiteturas robóticas, e contempla experimentos dentro de redes de pesquisa junto a grupos parceiros.

Programa de Renovação de Instrumentos para Laboratórios Didáticos ? RENOVALAB 2013.

Membro da equipe executora. Pesquisa de Unidades Compatíveis ISOBUS (UCI) com interfaces padrão ISO11783 para sistemas embarcados para máquinas e implementos agrícolas. O projeto busca apoiar o esforço de padronização da informação em tratores e implementos por meio de integração de tecnologias de certa forma estabelecidas para aplicação de insumos (líquido e sólido), monitoramento do solo (topografia, condutividade elétrica, umidade e compactação), de plantas (NDVI, altura) e imagem aérea em um padrão internacional compatível com ISOBUS.

A AP poderá contribuir no gerenciamento da variabilidade espaço-temporal e maximização do retorno econômico, e redução dos impactos ambientais negativos. Também possibilita o estabelecimento de mecanismos de rastreabilidade e ordenação do sistema de produção, facilitando as verificações de procedimentos e estatísticas mais pormenorizadas da produção e seus componentes. Para a indústria de máquinas e implementos, de insumos e provedores de serviços a AP é essencial para a sustentabilidade dos seus empreendimentos, pois as ferramentas de AP são imprescindíveis para a produção agrícola ser sustentável. Esse enfoque apresenta grandes desafios às tecnologias e aos conhecimentos disponíveis sobre sistemas de produção anteriormente considerados uniformes, pois as técnicas de manejo até então não consideravam a grande variabilidade da produção e da qualidade hoje detectadas. Para a Embrapa e parceiros acompanharem e contribuírem para geração de conhecimento científico e tecnológico necessário ao desenvolvimento da AP, tem-se investido na formação de uma rede de pesquisa complexa com 15 Unidades da Embrapa com parcerias entre empresas privadas, instituições estaduais e universidades. Conta com 114 pesquisadores sênior. A rede explora a variabilidade espacial e temporal nas culturas anuais de milho, soja, arroz, trigo, algodão, culturas perenes de uva, pêssego e pastagem e uma semi-perene a cana-de-açúcar. As variabilidades nos suínos, aves e bovinos também estão sendo exploradas. São quinze áreas experimentais envolvendo estados do nordeste, centro-oeste, sudeste e sul. Os investimentos focam ferramentas de uso em comum como VANT - Veículo Aéreo não Tripulado para fotografias aéreas, equipamentos para medida de condutividade elétrica do solo para cada região, montagem de uma unidade onde serão instaladas ferramentas de TI Tecnologia de Informação empregadas na Agricultura de Precisão para auxílio na análise, entre outros.