Antonio José Homsi Goulart.

As projeções de crescimento da população mundial mostram que haverá a demanda de uma quantidade maior de alimentos, fibras e energia, impondo o aumento da produtividade agrícola, a redução de custos e o uso sustentável dos recursos naturais. Adicionalmente, fatores como as mudanças de hábito dos mercados consumidores, aumento da incidência de eventos climáticos extremos, além da longevidade da população urbana e a diminuição da mão de obra no meio rural são desafios ainda não superados. Desta forma, é fundamental considerar o processo de transformação digital no campo, com a inclusão cada vez maior de equipamentos e sensores, que coletam e geram dados com um volume significativo, superando a capacidade humana de processamento. A diversidade de dados que podem ser utilizados em todos os elos da cadeia produtiva, incluindo pré-produção, produção (dentro da porteira) e pós-produção, e as diversas escalas em que se encontram, são desafios de pesquisa relevantes para a Ciência da Computação, que pode contribuir com soluções inovadoras por meio da adoção de técnicas, métodos e algoritmos computacionais para manipular e compreender o inter-relacionamento destes dados de forma mais adequada, rápida e eficiente, dando subsídios aos agricultores para uma melhor tomada de decisão no campo. Entretanto, para que o Brasil seja capaz de garantir e ampliar sua posição de destaque nos mercados sustentáveis de alimentos, fibras e bioenergia, atendendo às crescentes demandas nacional e internacional por segurança alimentar, nutricional, socioambiental e climática, torna-se imprescindível superar as desigualdades no campo a partir de pesquisas, desenvolvimentos, inovações (PDI) e de uma melhor difusão entre pequenos e médios produtores de tecnologias associadas à agricultura digital. Algumas dessas tecnologias inovadoras apontadas como críticas da transformação digital da agricultura são: computação em borda/nuvem, internet das coisas(IoT), mídias e redes sociais, big data, ciência de dados, inteligência artificial, realidade aumentada, robótica, conectividade ubíqua, aprendizado de máquina, gêmeos digitais, automação, biotecnologia e bioinformática, além da nanotecnologia.Nessa perspectiva, a PDI associada ao uso das tecnologias digitais, visando os pequenos e médios produtores, se justifica por trazer oportunidades para a agricultura brasileira de modo a:* Inserir estes produtores no processo de transformação digital em curso, considerando a diversidade regional produtiva e de recursos naturais;* Promover o aumento da conectividade de dispositivos eletrônicos no campo, visando reduzir custos de implementação de ativos tecnológicos digitais;* Conectar múltiplos atores de cadeias produtivas, de modo a reduzir custos de transação;* Integrar tecnologias digitais nos processos produtivos rurais de forma efetiva e simples, visando gerar impactos socioeconômicos no curto e médio prazos;* Promover a capacitação tecnológica e o compartilhamento de conhecimento e de práticas, visando acelerar a adoção de ativos tecnológicos digitais pelos mercados;* Possibilitar novos modelos de negócios e operações no processo de transformação digital no campo, visando obter investimentos para a escalabilidade;* Induzir e fortalecer modelos de intensificação sustentável por meio de sistemas integrados de produção, visando ganhos de eficiência e produtividade agropecuária.O projeto intitulado "Centro de Ciência para o Desenvolvimento em Agricultura Digital(CCD-AD/SemeAr)"é parte integrante de um conjunto de ações que se complementam na iniciativa "SemeAr". A iniciativa SemeAr tem como objetivo ampliar a produção e a produtividade no agronegócio de maneira mais sustentável, em escala nacional, por meio do uso de tecnologias digitais e conectividade.

Este projeto abordou o desenvolvimento de um sistema interativo para rotulação de conjuntos de dados de imagens. O sistema explora redes neurais convolucionais numa primeira etapa de extração de parâmetros de um conjunto de imagens. Na sequência uma projeção utilizando o t-distributed stochastic neighbor embedding (t-SNE) é realizada, fazendo com que cada imagem seja representada como um ponto numa representação de 2 dimensões. Com um sistema interativo um usuário (human in the loop) seleciona agrupamentos de pontos no plano, filtrando assim as imagens do conjunto total para uma rápida inspeção e conclusão da rotulação daquele agrupamento. O sistema foi utilizado por especialistas em biologia marinha para a rotulação de conjuntos de imagens de plâncton (organismos que são carregados pelas correntes), mas pode ser utilizado em qualquer em conjuntos de imagens de qualquer contexto.

Neste trabalho foi abordada a utilização de sistemas de aprendizado de máquina, em especial os sistemas de aprendizado profundo com redes neurais artificiais para aplicações em Meteorologia. Uma rede neural baseada em convoluções e recorrências, projetada inicialmente para monitoramento de vídeo e previsão de frames, foi adaptada para o contexto de informação espaço-temporal e empregada para para a previsão de ventos de superfície. A rede recebe como entrada uma combinação de variáveis espaço-temporais e produz como saída previsões das variáveis de interesse. Outra contribuição do trabalho foi a investigação da influência de diferentes cenários de treinamento (combinações de dados meteorológicos) na qualidade das previsões de vento.

Esta pesquisa abordou o desenvolvimento de algoritmos para síntese e efeitos de áudio baseados em decomposições que levam um sinal proveniente de um instrumento musical para a representação AM/FM. A decomposição AM/FM produz um par de sinais também no domínio do tempo, que representam o envelope (porção AM) e a frequência instantânea (porção FM) do sinal analisado. Estes dois sinais atuam em conjunto e podem recriar o sinal original caso utilizados para modular um oscilador senoidal em amplitude e em frequência. Por outro lado, a manipulação individual das porções AM e FM oferece novas possibilidades para processamento de sinais e implementação de efeitos musicais. Neste trabalho discutimos aspectos sobre diferentes técnicas para a decomposição, baseadas na Transformada de Hilbert em conjunto com o Sinal Analítico ou no Operador de Energia de Teager-Kaiser em conjunto com o Algoritmo de Separação de Energia. Apresentamos novos efeitos de áudio baseados em filtragem simples (passa-baixa, passa-banda, passa-alta), processamento dinâmico (distorção, compressor, expander) e manipulações das porções AM e FM inspiradas em efeitos clássicos (tremolo, flanger, octaver, chorus), entre outros efeitos. Implementações para operação em tempo-real foram apresentadas e discutidas. Também foi realizada uma avaliação experimental da aplicação dos efeitos propostos, baseada na análise do comportamento de descritores de áudio relacionados com amplitude (variação dinâmica) e frequência (variação espectral) de sinais.