Adriano Rogério Bruno Tech.

O objetivo deste projeto é capacitar Alunos e Professores das Escolas Públicas vinculadas a Diretoria de Ensino - Região de Pirassununga/SP, para o Ensino de Robótica, por meio do ensino de programação e eletrônica.

Projeto Horta Comunitária nas Escolas Públicas de Pirassununga/SP e região.

Projeto de Extensão voltado para o ensino de robótica educacional.

O objetivo deste projeto é confeccionar um material didático para promover a inclusão digital aos alunos do Ensino Fundamental I e II e Ensino Médio da rede de escolas públicas do município de Pirassununga, além da comunidade interna da FZEA/USP, tais como alunos de graduação e pós-graduação. 
Este projeto visa difundir o conhecimento gerado pelos pesquisadores da Universidade e os membros do Hacker Club da FZEA (HCA51) nos seguintes campos:
?	Planejamento e desenvolvimento de projetos microcontrolados;
?	Programação de microcontroladores;
?	Desenvolvimento de circuitos eletrônicos;
?	Automação predial utilizando microcontroladores;
?	Automação de processos utilizando microcontroladores;
?	Desenvolvimento de Aplicativos Mobile para interação com sistemas microcontrolados;
?	Instrumentação eletrônica básica;
?	Características de oratória e comunicação. 
Inicialmente, o material didático poderá apresentar o seguinte conteúdo:
?	Introdução ao Arduino;
?	Programação em C++;
?	Introdução a microcontroladores;
?	Eletrônica básica;
?	Variáveis e operadores lógicos;
?	Comandos básicos em Arduino;
?	Oficina de projetos I;
?	Introdução ao uso de sensores digitais;
?	Oficina de projetos II;
?	Introdução ao uso de sensores analógicos;
?	Oficina de projetos III;
?	Introdução aos shields de Arduino;
?	Uso de mostradores digitais;
?	Criação de aplicações Web;
?	Desenvolvimento de projetos aplicados à robótica;
?	Oficina de Projetos IV;
?	Utilização de Arduino em VANTS;
?	Comunicação Serial.

O projeto em questão envolve a participação dos alunos da Faculdade de Zootecnia e Engenharia de Alimentos da Universidade de São Paulo, Campus Fernando Costa, promovendo na comunidade interna o desenvolvimento interpessoal, social e profissional de alunos para com a comunidade externa, esta, por sua vez, sendo beneficiada conforme as diretrizes internas da Universidade de São Paulo, na retribuição de investimento da Sociedade na Universidade para a própria sociedade.
A Bateria Universitária Ziriguidum USP Pirassununga, tem como missão, promover o convívio social no meio acadêmico, intensificando a gestão de projetos e pessoas ao difundir a cultura brasileira na promoção de eventos culturais, musicais e sociais, representando a Faculdade de Zootecnia e Engenharia de Alimentos em apresentações eventuais e oficinas de musicalização.
Há necessidade em incentivar a participação dos discentes na comunidade externa, ao promover e disseminar a cultura brasileira no município de Pirassununga, incentivando também, a interação dos setores municipais e acadêmicos, justificando a relevância ao realizar apresentações e trabalhos sociais em organizações não governamentais, popularizando a instituição de ensino superior no município inserida, a fim de democratizar o acesso ao conhecimento da existência e das atividades de cultura e extensão da Universidade.

Oficinas práticas de programação, prototipação e desenvolvimento de projetos utilizando Arduino para alunos do Ensino Fundamental, Médio e Universitário.

Implementação da RNA, basicamente, três tipos de RNA serão implementadas. A rede será simulada com a Feed Forward Backpropagation (FFBP) e Cascade Forward backpropagation (CFBP), além de uma função de base radial (RBF). Para FFBP e CFBP, a topologia serão testadas usando apenas uma camada oculta e 5, 10 ou 15 neurônios na camada intermediaria, e o algoritmo de aprendizado Levenberg-Marquardt (LM) será usado para ambos os modelos de RNA. Também serão testadas combinações entre duas funções de transferência, TANSIG e LOGSIG (Yi et al., 2007; Yi et al., 2010), com o objetivo de identificar o melhor arranjo para a rede em função do desempenho de validação. Para testar o RBF, o valor central inicial será determinado a partir dos dados de entrada obtidos aleatoriamente e será iniciado usando o algoritmo k-means, a distância euclidiana será definida para medir a distância entre o vetor de entrada P e o nó j da camada oculta, usando um o valor de spread 1 e a meta 0,0001, e uma função gaussiana transferirá a distância euclidiana para dar saída a cada nó (Rahmat e Nababan, 2018).

Os sistemas de produção animal baseados em pastagens no Brasil vêm passando por grandes transformações, particularmente nas últimas décadas. Grandes inovações têm sido responsáveis pelas melhorias, embora ainda discretas, nos índices de produtividade da pecuária baseada em pasto. Entre as principais inovações experimentadas nesses sistemas que se pode destacar está a ampliação na compreensão de que cada espécie forrageira possui particularidades em padrões de crescimento e atributos morfológicos, e o reconhecimento de que sistemas de pastagens estáveis e produtivos dependem do equilíbrio entre seus componentes, solo-planta-animal-manejo, sendo que a adoção de estratégias adequadas de fertilização é essencial na manutenção desse equilíbrio. Reconhecendo-se a importância da adubação em pastagens, inovações com relação à definição do momento e quantidades requeridas pelas culturas forrageiras ainda são necessárias. É reconhecido que a aplicação incorreta de fertilizantes, particularmente nitrogenados, pode contribuir substancialmente para as emissões de gases de efeito estufa, principalmente óxido nitroso (N2O), gás esse que possui potencial de aquecimento global cerca de 300 vezes superior ao CO2. Paralelamente a esta nova concepção dos sistemas de pastagens, o lançamento de novas espécies forrageiras e cultivares, notadamente mais produtivas, mais adaptadas e/ou tolerantes a determinadas particularidades edafoclimáticas, tem contribuído substancialmente para o cenário da pecuária nacional. O capim Mavuno, híbrido entre as espécies Brachiaria brizantha x B. ruziziensis, foi lançado recentemente, possuindo atributos de crescimento que o tornam uma importante opção na composição de sistemas de pastagens, incluindo elevada velocidade de rebrotação, amplo e robusto sistema radicular e valor nutritivo mais elevado comparativamente às espécies conhecidas do gênero Brachiaria. Todavia, trabalhos científicos que comprovam seu potencial de produção são praticamente inexistentes na literatura até o presente. No intuito de contribuir para a definição de estratégias de adubação nitrogenada compatíveis com a demanda da planta e, a fim de conceber sistemas de pastagens produtivos, sustentáveis e com mínimo impacto ambiental, este trabalho se propõe a mensurar a produção de forragem e a concentração de N nos tecidos foliares (NFoliar) em pastagens de capim Mavuno submetidas a adubação nitrogenada. A partir da relação entre a biomassa acumulada e a concentração de NFoliar será construída a curva de diluição, seguindo método proposto por Lemaire et al. (2008) e determinado o índice de nutrição nitrogenada (INN), a fim de avaliar a possibilidade de aplicação de adubação em taxas variáveis.

Carga horária de 90 horas, 06 créditos. Oferecida no 1º semestre de 2019 (de 22/03/2019 a 30/05/2019). Docente credenciado junto ao Programa de Pós Graduação em Ciências de Engenharia Ambiental (PPG-SEA) da Escola de Engenharia de São Carlos - USP, no período de 03/09/2015 a 03/09/2020

Este trabalho propõe o desenvolvimento de tecnologias avançadas para o monitoramento de pastagens e o manejo de animais, utilizando drones, câmeras proximais, técnicas de processamento de imagens e algoritmos de inteligência artificial. A integração dessas ferramentas permite a coleta automatizada de dados visuais e multiespectrais, que são analisados para identificar o estado nutricional da vegetação, estimar a disponibilidade de forragem e acompanhar o comportamento animal. Com isso, busca-se promover uma gestão mais precisa e sustentável dos recursos, otimizando a produção pecuária e contribuindo para a tomada de decisões baseadas em dados em tempo real.

Este trabalho propõe o desenvolvimento de tecnologias avançadas para o monitoramento de pastagens e o manejo de animais, utilizando drones, câmeras proximais, técnicas de processamento de imagens e algoritmos de inteligência artificial. A integração dessas ferramentas permite a coleta automatizada de dados visuais e multiespectrais, que são analisados para identificar o estado nutricional da vegetação, estimar a disponibilidade de forragem e acompanhar o comportamento animal. Com isso, busca-se promover uma gestão mais precisa e sustentável dos recursos, otimizando a produção pecuária e contribuindo para a tomada de decisões baseadas em dados em tempo real.

O uso de métodos computacionais aplicados na agricultura e zootecnia de precisão para a
análise de imagens tem se mostrado em plena expansão. Nesse sentido, o desenvolvimento
de um sistema que determine a concentração de nitrogênio das gramíneas em campo
permitirá aos produtores um manejo mais eficiente e sustentável. Assim, o objetivo deste
projeto é desenvolver e validar um software capaz de estimar a concentração de nitrogênio
em Brachiaria decumbens cv. Basilisk, a partir da análise de imagens RGB de folhas
diagnósticas por meio de processamento de imagens combinados com a rede neural
Multilayer Perceptron (MLP). O experimento será conduzido na Faculdade de Zootecnia e
Engenharia de Alimentos da Universidade de São Paulo (FZEA-USP), Campus Fernando
Costa, Estado de São Paulo, Brasil (21º 36? N; 47º 15? W, 620 m de altitude). O relevo da
região é suave à moderadamente ondulado, e o solo classificado como Latossolo Vermelho
Distrófico. A espécie forrageira avaliada será a Brachiaria decumbens cv. Basilisk,
implantada em área composta por 12 parcelas de 20 m2. Os tratamentos corresponderam a
quatro níveis de adubação nitrogenada (T1: sem adubação, T2: 10 kg/ha de N após cada
corte, T3: 20 kg/ha de N após cada corte, T4: 30 kg/ha de N após cada corte. A fonte de
nitrogênio utilizada foi nitrato de amônio (32% N). Os tratamentos foram distribuídos em
um delineamento em blocos completos casualizados, com 3 repetições. Os critérios de
manejo, altura pós-corte e frequência de corte, foram definidos com base nas
recomendações para a espécie forrageira. E, como resultados, espera-se a validação do
software de determinação do teor de nitrogênio por meio de processamento digital de
imagens combinado com modelos neurais baseados na rede Multilayer Perceptron (MLP)

Este trabalho tem como objetivo o desenvolvimento de sistemas de monitoramento voltados para ambientes produtivos, utilizando tecnologias baseadas em Internet das Coisas (IoT). A proposta contempla a aplicação de sensores e dispositivos conectados para coleta, transmissão e análise de dados em tempo real, possibilitando maior controle, automação e eficiência operacional. A integração entre hardware, software e conectividade proporciona uma abordagem inovadora para o gerenciamento inteligente de variáveis ambientais, contribuindo para a tomada de decisão mais rápida e precisa em setores como agricultura, pecuária, aquaponia, indústrias e outros sistemas produtivos.

The development of software for automated image processing, with particular emphasis on agricultural monitoring applications, has increased in the last years. Leaf area measurements are important for several crops and pastures, once the leaf area index is related with growth and photosynthesis rates, being an essential parameter of process-based models of vegetation. The processing algorithms implemented in most software for leaf area measurements currently available require the determination of leaf dimensions. Hence, the automated processing of samples with multiple leaves is still limited, frequently requiring manual pre-processing of the images. In order to develop a new software system aimed at processing images of samples composed of multiple leaves without any requirements of manual pre-processing of the images, the USP-Leaf software was developed. The software?s performance was compared by using different devices for image acquisition: a semiprofessional digital camera (Sony, resolution of 12 megapixels); a mobile cell phone (Lenovo k5, resolution of 5 megapixels) and a desktop scanner (HP B20, 300 dpi corresponding to 3.508 x 2.480 pixels). The results were validated by comparing the values obtained with the standard method (electronic planimeter model Li-Cor 3100). The experiment was carried out at the Faculty of Animal Science and Food Engineering (FZEA), University of São Paulo, Pirassununga, SP, Brazil. The leaf samples were obtained from Brachiaria decumbens Stapf. cv. Basilisk pastures. A total of 20 samples comprising 15 leaves were collected, from which the images were acquired with each device. Edge detection, filtering and thresholding algorithms were applied to identify the leaf section of the image against the background. Considering the leaf area measured with the electronic planimeter, the relative error rate of the software?s estimates was lower than 7%, being highest when the scanner was used and lower with the digital camera. Pearson's correlation coefficients were higher than 95%, regardless of the device used for image capturing, indicating that the software was able to provide accurate estimates of leaf area. The linear regression equation associated with the estimated leaf area using the cell phone showed the highest values for the intercept and the higher standard error associated with this parameter (2.9±5.69), despite showing a slope close to 1 (1.0±0.07). The leaf area estimates were close to the standard method, showing that the software?s performance was not affected by the device used for image acquisition.

Cientes das necessidade da criação e disponibilização de Tecnologias voltadas ao monitoramento do status nutricional de espécies forrageiras inseridas em sistemas de pastagens, este projeto tem por objetivo o desenvolvimento de um software que permita ao pecuarista identificar, por meio de uma foto (imagem obtida com câmeras ou celulares) o status de nitrogênio em pastagens de Brachiaria decumbens e, assim, tomar decisões com relação às possíveis intervenções e ajustes no manejo da adubação. Um banco de imagens contendo fotos de folhas com distintas concentrações de N foi criado, a partir de um experimento de campo realizado entre novembro de 2017 a março de 2018. A partir desse banco de imagens, serão calculados diversos índices de vegetação (IV?s), e verificados quais possuem melhor correlação com a concentração de N das amostras determinada em laboratório. Para essa finalidade será utilizada análise multivariada, por meio de componentes principais. As etapas subsequentes consistem na análise das imagens, utilizando redes neurais artificais (RNA) e implementação do software. A rede neural usada será o MLP com retropropagação do erro (Backpropagation), composta por uma camada de entrada, sendo os dados de entrada compostos pelos IV?s que melhor se correlacionam com a concentração de N das folhas, uma camada intermediária composta por 10 neurônios, e uma camada de saída. O software será desenvolvido em linguagem JAVA e PhP. Para validar o software, um novo experimento de campo será conduzido, entre outubro de 2018 a março de 2019, onde serão obtidas amostras de parcelas recebendo distintas doses de adubação nitrogenada. Destas amostras serão tomadas as imagens, as quais serão processadas pelos software desenvolvido. A validação do software se dará por meio da comparação das estimativas providas pela análise das imagens e a concentração de N determinada em laboratório.

Processamento de Imagens usando Vants

Sistema de gestão de ambientes produtivos

XXVII Congresso Brasileiro de Zootecnia (ZOOTEC 2017)

Desenvolvimento de um veículo aéreo não tripulado de asa rotativa para monitoramento e coleta de dados de animais e ambientes em propriedades rurais. Do projeto a implementação passo a passo.

Utilização de drones para monitoramento de ambientes produtivos e processamento de imagens

As redes de sensores sem fio representam um paradigma emergente da computação, onde múltiplos nós providos de sensores, sistemas computacionais autônomos e capacidade de comunicação sem fio, conformam uma rede cuja topologia altamente dinâmica, permitem adquirir informações sobre sistemas complexos que estão sendo monitorados. Este projeto visa usar as técnicas de instrumentação eletrônica, no desenvolvimento, teste e análise teórica e prática de uma rede de sensores ?wireless? que auxiliem e proporcionem maior segurança na coleta de dados sobre os animais monitorados, do ambiente de criação e das características comportamentais dos mesmos.

As redes de sensores sem fio aplicado à automação do controle de ambientes representam um paradigma emergente da computação, onde múltiplos nós providos de sensores, sistemas computacionais autônomos e capacidade de comunicação sem fio, conformam uma rede cuja topologia altamente dinâmica permite adquirir informações sobre sistemas complexos sendo monitorados. Este projeto visa usar as técnicas de instrumentação eletrônica, no desenvolvimento, teste e análise teórica e prática de uma rede de sensores ?wireless? que auxilie e proporcione maior segurança no controle de ambientes automatizados e de coleta de dados de animais em monitoramento.

O objetivo é desenvolver sistemas de gestão com interface Inteligente para monitoramento de animais e ambientes utilizando um sistema de comunicação sem fio

Desenvolvimento de sistema de gestão utiliando rede de sensores sem fio para localização e coleta de dados de animais a pasto