
Investigação
A combinação única de conhecimento e experiência em fisiologia vegetal, nutrição vegetal (fertilização foliar e do solo e modelação climática com TIC e robótica, é o eixo principal deste CoLAB, levando a soluções multidisciplinares para enfrentar os desafios atuais e futuros dos sistemas de produção agrícolas.
As prioridades de pesquisa para a área de influência do SFCoLAB estão relacionadas com:
-
Melhoria da produção e qualidade
-
Melhoria da segurança alimentar
-
Bom controle de pragas e doenças, e
-
Uso eficiente dos solos.
Para atingir os objectivos enunciados acima num contexto específico de pequena propriedade e com baixa inovação tecnológica, torna-se fundamental o desenvolvimento e a implementação de novas tecnologias. Portanto, a agenda de investigação e inovação está focada no uso inteligente de recursos para criar produtos inteligentes usando equipamentos inteligentes e ferramentas de decisão baseadas em Inteligência Artificial. Maquinaria inteligente e avançada, conjuntamente com sistemas sensoriais de baixo custo podem ajudar as explorações agrícolas - independentemente da sua dimensão - a funcionar de forma rentável, competitiva e sustentável.
A força motriz da inovação vem das empresas que fazem parte do ecossistema CoLAB.
Agenda de Investigação do SFCOLAB
1.
Eficiência no uso de recursos (água, energia, nutrientes e fertilizantes) para agricultura intensiva de pequena e média escala
2.
Abordar os desafios atuais das mudanças climáticas para mitigar os impactos da seca e eventos extremos
3.
Abordagens integradas para rastreabilidade, certificação de origem e qualidade do produto
4.
Melhorar a interoperabilidade através da normalização (por exemplo: ISOBUS)
5.
Projeto e desenvolvimento de Maquinaria Inteligentes com diferentes níveis de autonomia usando diferentes níveis de inteligência e autonomia (Inteligência Artificial)
7.
Desenvolver sistemas e estratégias que reduzam o uso de * icides, fertilizantes, água e pegada de carbono, aumentando a agricultura ecologicamente sustentável
8.
Desenvolver sistemas de energia capazes de utilizar as fontes de energia naturais (por exemplo, subprodutos do processo atual) e fornecer operação contínua
9.
Desenvolver e utilizar sensores para obter informações confiáveis e precisas sobre as condições espaciais e temporais relacionadas com o solo, clima e culturas.
10.
Desenvolver e aplicar técnicas e métodos de Inteligência Artificial (Machine Learning, Big Data e Data Mining) que possam ser utilizadas em aplicações destinadas a fornecer o agricultor com análises de dados fundamentais para uma decisão correcta e eficaz.
11.
Projeto e desenvolvimento de aplicações SMART para ajudar a tomada de decisão mais apropriada nas diferentes fases do ciclo de vida das culturas
AREAS PRINCIPAIS DE INVESTIGAÇÃO DO SFCOLAB
Para alcançar a sua agenda e objetivos de investigação, o SFCOLAB está organizado em 5 linhas.

USO SUSTENTÁVEL DE RECURSOS
O SMART FARM CoLAB tem como objetivo desenvolver uma estrutura de Gestão Sustentável de Recursos, maximizando o uso eficiente dos principais recursos (incluindo o solo), de forma a atingirem-se sistemas de cultivo de carbono neutro, sem resíduos e resilientes às mudanças climáticas (SMART USE):
-
Aplicar e utilizar os recursos água, nutrientes e fertilizantes utilizando uma infraestrutura SMART em tempo real para uma produção mais resiliente e com produtos de maior qualidade (por exemplo, melhor sabor e aroma)
-
Minimizar as perdas de água ao longo de todo o processo e no cultivo de frutas e hortaliças
-
Otimização da irrigação de culturas e gestão sustentável da água de drenagem
-
Valorização de co / pelos recursos para uma agricultura com zero resíduos e adoção das melhores tratamentos de águas residuais e sistemas de reciclagem de água no uso de hidroponia
-
Implementar estratégias energéticas sustentáveis e neutras em carbono
-
Adoção de biofertilizantes e métodos de controle com o objetivo de eliminar perigos químicos na produção agrícola
-
Manter o alinhamento com a abordagem estratégica da investigação agrícola da UE e
agenda de inovação, como a Estratégia da Autoridade Europeia para a Segurança dos Alimentos 2020 e a agenda da RARA , e o programa nacional de investigação Portugal 2030
As principais tarefas do SMART USE são:
Respostas das Plantas - Estabelecimento das principais restrições relacionadas com a resposta das plantas ao estresse ambiental, principalmente à seca e temperatura acima e abaixo do solo, e à otimização da água, nutrientes e fertilizantes.
Identificação e caracterização de produtos para produção de resíduos - Identificação dos melhores sistemas e tecnologias de tratamento de águas residuais para reciclagem de água no uso baseado em hidroponia; Tratamento / mitigação de efluentes da produção intensiva de hortaliças, bem como a reutilização de resíduos orgânicos da horticultura intensiva em estufa (por exemplo, para produção de biodiesel).
Caracterização fitossanitária de recursos e co-recursos - Visa divulgar marcadores biocibernéticos para diagnóstico em tempo real de bactérias e fungos fitopatogênicos (pragas e doenças) e avaliação de novos processos biológicos para sanitização de resíduos e co-recursos.
Desenvolvimento de fenotipagem de planta de alto rendimento - Para monitoramento de características em tempo real, o impacto biótico e abiótico do uso de recursos (incluindo fenotipagem de campo e fenotipagem de baixo custo) para monitoramento de características (rendimento, doença e outros fatores de estresse).
Implementação de biofertilizantes e medidas de proteção do solo para sistemas agrícolas sustentáveis - Uso de aquaponia, aeroponia, sistemas complementares - vermicompostagem / aquaponia / aquicultura), bem como suplementação personalizada de macro e micronutrientes de fontes naturais (algas / composto de minhocas / outros subprodutos) .
Estratégias sustentáveis de mobilidade em sistemas agrícolas - Identificação das fontes de energia mais adequadas para o transporte de carga e sistema de produção agrícola. Essas análises podem ser exploradas usando uma análise multicritério e / ou otimização multiobjetivo e estão alinhadas com o eixo estratégico relacionado à descarbonização da economia.
Auditorias Energéticas - Promover a caracterização do consumo de energia, a identificação de oportunidades de economia de energia e a implementação de um plano racional de uso de energia no setor agropecuário.

MAQUINARIA INTELIGENTE
O principal objetivo desta linha de investigação é realizar atividades de investigaçãoe inovação sobre Maquinaria Inteligente para apoiar a preparação precisa do solo, a semeadura, o gerenciamento de culturas (fertilização, proteção de culturas e irrigação) e a colheita. Este é o equipamento necessário para implementar as 4 Cs na agricultura de um Km quadrado a um nível m quadrado: fazendo a coisa C erta, no lugar C erto, da maneira C erta, no momento C erto.
O equipamento SMART inclui tratores com diferentes níveis de autonomia, suas ferramentas inteligentes (por exemplo, pulverizadores de precisão, ceifeiras debulhadoras e especializadas) e veículos aéreos não tripulados para detecção remota.
Esta linha de pesquisa está focada no design e / ou adaptação das plataformas mecânicas, juntamente com a inteligência necessária que veículos e ferramentas devem possuir. Também se concentra na colaboração entre todas as entidades que compõem o ecossistema agrícola. Concretamente, a colaboração entre máquinas SMART, equipamentos herdados e trabalhadores humanos.
As principais tarefas do SMART EQUIPMENT são:
Robôs agrícolas SMART - Veículos aéreos não tripulados (UAV) e Veículos terrestres não tripulados (tratores autônomos) - Para adaptar e desenvolver sistemas robóticos autônomos, veículos aéreos e terrestres, para apoiar operações agrícolas eficientes, reduzindo a carga sobre os atores humanos, incluindo a otimização da fertilização rotas de combate a pragas, irrigação eficiente, colheita especializada etc. Essa atividade abrange todos os aspectos relacionados ao desenvolvimento da percepção e autonomia necessários para os robôs SMART. Criando robôs de campo flexíveis compostos por blocos de construção testados, que permitem personalizar robôs para todo tipo de aplicações na agricultura. Concretamente, equipando os robôs com autonomia decisória adequada para apoiar processos contínuos de agricultura, incluindo alocação, programação, otimização e controle de recursos. Esta tarefa está focada na organização de competências em torno deste tópico e na criação de diretrizes e mecanismos para o design, desenvolvimento e avaliação das seguintes subtarefas:
Sistema de percepção multimodal - Vários sensores e combinações de sensores serão testados para navegação autônoma. Prevê-se que o sensor fornecido inclua uma combinação de GPS, GPS-RTK, Lidares multibeam de longo e curto alcance, sonares, câmeras estéreo e estações meteorológicas.
Navegação avançada - O objetivo é permitir que os UAVs e UGVs se localizem e naveguem autonomamente durante a operação agrícola. Os módulos de locomoção de veículos terrestres precisam permitir a tração em terrenos difíceis, heterogêneos e irregulares. A navegação autônoma dependerá de uma localização robusta baseada em dados, integrando não apenas os feeds internos, mas também os feeds externos (outros veículos). Além disso, em ambientes com espaço limitado, como pomares, odometria visual e algoritmos de localização baseados em LiDAR podem ser explorados. Os movimentos cinemáticos dos veículos aéreos e terrestres podem ser otimizados para reduzir o tempo e o gasto de energia e outros fatores relevantes, como a compactação do solo.
Missão Autônoma - Enquanto o planejamento da missão lida com tarefas de nível superior que um robô deve executar para atingir seu objetivo, o planejamento do movimento lida com o raciocínio da configuração do robô no mundo físico. Além disso, o planejamento da missão deve otimizar cada operação do veículo em termos de recursos gastos e minimizar, de maneira inteligente, sua pegada no campo (por exemplo: compactação do solo, danos na cobertura das culturas, etc.). Essa tarefa está focada na organização de competências em torno deste tópico e na criação de diretrizes e mecanismos para o design, desenvolvimento e avaliação de missões autônomas e treinamento relacionados a fazendas.
Desenvolvimento de ferramentas físicas cibernéticas cognitivas SMART - O principal objetivo desta tarefa é desenvolver ferramentas agrícolas inteligentes que possam ser acopladas ao SMART Robots ou equipamento legado. Essas são ferramentas físicas cibernéticas cognitivas desenvolvidas especificamente para executar com eficiência atividades relacionadas à agricultura, como uma ferramenta desenvolvida para irrigação inteligente ou pulverização de fertilizantes a serem acoplados a um trator. As ferramentas explorarão tanto suas habilidades de detecção quanto os dados disponíveis na estrutura desenvolvida. Aumentar sua autonomia decisória para apoiar os processos agrícolas. Um bom exemplo dessas ferramentas são os pulverizadores de precisão. Quando usados em combinação com dados de autonomia, mapeamento geográfico, os receptores e sensores de posicionamento no pulverizador detectam onde ervas daninhas e doenças estão presentes e aplicam as taxas de débito em diferentes áreas somente quando necessário. Outros exemplos de ferramentas Cognitive Cyber Physical são colhedores de precisão específicos para culturas que exploram módulos mecatrônicos, de percepção e cognitivos para garantir a extração perfeita das culturas, mantendo a integridade física do solo. Esta tarefa está focada na organização de competências em torno deste tópico e na criação de diretrizes e mecanismos para o design, desenvolvimento e avaliação das Ferramentas Físicas Cibernéticas Cognitivas SMART e treinamento.
Percepção compartilhada ativa para dispositivos ciberfísicos SMART Agriculture - Esta tarefa realizará a seleção apropriada de estratégias de fusão de sensores ativos, necessárias para combinar dados de percepção de todas as entidades no ecossistema ciberfísico SMART Agriculture para aumentar a conscientização geral e criar mecanismos de percepção compartilhados melhorar a compreensão do agente sobre o ambiente, bem como sobre seu próprio status. O foco será dado na formulação de técnicas de fusão de sensores distribuídos para integração de dados de dispositivos cibernéticos físicos heterogêneos. Como os dados podem ser fundidos em vários níveis - desde dados brutos até estimativa de estado - as estratégias mais apropriadas serão desenvolvidas para atender melhor ao ecossistema de percepção compartilhada e ao aplicativo direcionado, por exemplo, rastreamento de operador, localização de robô móvel, interação homem-robô, detecção de tipo de colheita etc.
Interação com robôs humanos para sistemas agrícolas - Os robôs e ferramentas SMART Farming são inúteis se não forem projetados para interagir efetivamente com os seres humanos. Portanto, a pesquisa em HRI se torna uma questão fundamental no desenvolvimento de uma abordagem holística para a Agricultura de Precisão. A comunicação entre um humano e um robô pode assumir várias formas, mas essas formas são amplamente influenciadas pela proximidade: interações próximas; Interação remota. Dentro dessas categorias gerais, é útil distinguir entre aplicativos que requerem mobilidade, manipulação física ou interação social.
Algumas soluções ou áreas de pesquisa incluem:
-
Autonomia dinâmica, interação de iniciativa mista e diálogo;
-
Telepresença e fusão de informações em interação remota;
-
Modelagem Cognitiva;
-
Organizações de equipe e dinâmica; e
-
Aprendizagem interativa .
Esta tarefa está focada na organização de competências em torno deste tópico e na criação de diretrizes e mecanismos para o design, desenvolvimento e avaliação de interações de robôs humanos no contexto específico da agricultura e treinamento SMART.
Máquinas agrícolas conectadas e integração de robôs e / ou equipamentos herdados com o SMART Tools - As máquinas agrícolas conectadas estão no coração do SMART Farming. Padrões específicos para eletrônica e troca de dados entre diferentes máquinas agrícolas (por exemplo, trator - implemento agrícola), bem como entre máquinas agrícolas e sistemas de software, como os Sistemas de Informação de Gerenciamento Agrícola (FMIS), foram desenvolvidos. O ISOBUS (padrão ISO 11783 usando ISO-XML como padrão de dados) é um protocolo de comunicação internacional que define o padrão para eletrônicos agrícolas. Tornou-se o padrão de fato que rege a interoperabilidade entre tratores e implementos de diferentes fabricantes. Também há uma clara necessidade de padronizar o intercâmbio de mais dados relacionados a transações com outros atores da cadeia de suprimentos agrícola. A AgGateway (http://aggatewayglobal.net/) é a organização internacional reconhecida que usa o conceito de cooperação do setor para expandir o uso de padrões e diretrizes de e-business globalmente. Portanto, o desenvolvimento de competências nos padrões existentes para apoiar a conexão entre máquinas e sistemas agrícolas é fundamental para o desenvolvimento de protótipos ou sistemas industriais bem-sucedidos. A disseminação desses padrões entre agricultores e empresas industriais também é uma tarefa e um benefício importante para todas as partes interessadas.
Outra atividade fundamental aqui é o desenvolvimento de competências sobre como integrar as ferramentas SMART a serem desenvolvidas tanto com o SMART Robots quanto com equipamentos legados para buscar sistemas plug and play que suportam configurações dinâmicas e inteligentes, ajustadas a cada contexto (os padrões CAN e ISOBUS - ISO 11783 serão usado e estendido).
MONITORAÇÃO E CONTROLO INTELIGENTE
A agricultura SMART requer monitoramento SMART. O objetivo principal desta linha de investigação é pesquisar e desenvolver a recolha de dados multimodais, sistemas de fusão e integração e apoiar a decisão inteligente nas operações agrícolas.
Essa linha de investigação serve como uma camada de percepção e fonte de dados para SMART APPLICATIONS e SMART PRODUCT, além de usar os robôs SMART da SMART EQUIPMENT.
Nesta linha, a percepção é baseada no sensoriamento remoto, por exemplo, imagens de satélite, dados climáticos e nos UAVs usados para monitoramento de baixa altitude, e no sensor local, que depende de uma rede de sensores in situ nos campos agrícolas.
Também haverá foco no uso de Data Analytics para apoiar decisões técnicas e operacionais e criar diretrizes para o desenvolvimento de negócios.
As principais tarefas do SMART EQUIPMENT são:
Monitoramento SMART - Esta tarefa é focada em todas as atividades de monitoramento do farm necessárias para dar suporte às decisões de operações do farm. O monitoramento SMART fornece percepção multimodal em tempo real, permitindo uma conscientização contextual eficaz do farm, apoiando a tomada de decisões oportuna e a criação de gêmeos digitais de objetos do farm. Concretamente, esta tarefa combinará informações de sensores locais com informações de satélite para detectar padrões e evolução de padrões (por exemplo, usando imagens multiespectrais e algoritmos de fusão de imagens difusas com operadores de agregação de reforço).
Esta tarefa está organizando competências em torno deste tópico e criando diretrizes e mecanismos para o design, desenvolvimento e avaliação do SMART Monitoring em suas duas facetas:
-
Sensoriamento Remoto: Satélites e UAVs - o software necessário para processar dados multimodais do sensoriamento remoto de alta e baixa altitude. Concretamente, produtos climáticos e de superfície terrestre da EUMETSAT e NOAA, dados de radar (Sentinel), hiperespectrais ou multiespectrais extraídos de UAVs e sensores in situ. Algoritmos de aprendizado de máquina e métodos de ensemble serão usados para classificação e fusão de dados (radar + hiperespectral + clima).
-
Sensor local: IoT / físico cibernético cognitivo - Desenvolvimento dos sensores necessários para apoiar a tomada de decisões na agricultura, como estações meteorológicas de baixo custo, sistemas de visão ou sensores sem fio espalhados no campo .
Análise de dados - O objetivo desta atividade é fornecer uma plataforma de análise de big data que atenda a todos os requisitos de big data em tempo real para reunir e alimentar resultados analíticos dos dados coletados das diferentes fontes de informações em um ambiente de farm, para previsões em tempo real sistemas de gestão agrícola podem ser alcançados. Essa plataforma implementará automaticamente todos os requisitos em tempo real e big data do ambiente, definidos por uma abordagem ontológica. A plataforma deve ser concretizada para ser executada no ambiente de destino concreto (CPS) e configurada para levar em consideração as diversas fontes de dados dentro desse ambiente. A Big Data Analytics Platform dará suporte a decisões de reconfiguração, para que decisões dinâmicas em tempo de execução possam ser tomadas durante a operação. Devido à natureza espaço-temporal dos fenômenos, serão desenvolvidas visualizações de dados interativas e interligadas apropriadas para apoiar o entendimento humano dos principais resultados da análise de dados e, em geral, para apoiar as análises e os processos de tomada de decisão.
Sistemas de comunicação e posicionamento - O principal objetivo desta tarefa é fazer pesquisa e inovação sobre os problemas de telecomunicações que precisam apoiar as interações entre equipamentos inteligentes e entre eles e aplicativos. Nesta atividade serão explorados vários sistemas de comunicação que funcionam como redes heterogêneas. Os sistemas de comunicação celular (3G / 4G e 5G), Wi-Fi, LoRA e comunicação via satélite serão considerados para controlar UAVs e UVGs. Para obter alta confiabilidade de comunicação serão estudadas e implementadas técnicas de diversidade. Protocolos e algoritmos para melhorar a segurança de UAVs e UVGs, evitando técnicas de interferência e falsificação. Além disso, será dada alguma atenção aos sistemas de posicionamento (GPS, Galileo, GNSS, etc.) usando vários sistemas para posicionamento de receptores











PRODUTOS INTELIGENTES
Esta linha de investigação tem como objetivo maximizar o valor agregado e potencializar os produtos nacionais de horticultura, fruticultura e viticultura, de acordo com o paradigma atual de sistemas agrícolas sustentáveis e consumidores exigindo:
-
Ajustar as colheitas às oportunidades de mercado
-
Melhoria do condicionamento ambiental após a colheita ,
-
Aumento do valor agregado nutricional e / ou funcional da fruticultura intensiva
-
-
Controle biológico em Smart Farming intensivo
-
Reduzir o uso de produtos fitofarmacêuticos com o objetivo de eliminar resíduos de pesticidas
-
Novos compostos responsáveis pela preparação da defesa do estresse biótico na uva;
-
-
Aumentar a segurança e a validade
-
Controle do amadurecimento: aplicação de bioestimulantes e estratégias biotecnológicas para aumentar o prazo de validade
-
Aumentar o conhecimento sobre a fisiologia da pera Rocha, sob a influência da variabilidade anual e das condições de armazenamento pós-colheita, para determinar os mecanismos subjacentes que determinam a qualidade dos frutos e desenvolver soluções tecnológicas competitivas pré e pós-colheita para maximizar a qualidade da pera Rocha
-
-
Implementar rastreabilidade e certificação de origem para produtos de horticultura e fruticultura
As principais tarefas do SMART USE são:
Valorização inteligente de atributos sensoriais - Mapeamento de parâmetros fisiológicos para marcadores digitais de maturação de frutos. Desenvolvimento de uma nova plataforma de bio-cyber para previsão intuitiva das características sensoriais / nutricionais para gerenciamento em tempo real do processo produtivo em pera Rocha, tomate e uva .
Condicionamento ambiental SMART - com base nas previsões de demanda do mercado, o momento da colheita é sincronizado com as oportunidades de mercado, melhorando o condicionamento ambiental.
SMART Bio-control - Elucidação de mecanismos responsáveis pela resistência / suscetibilidade de cultivares de uva, Hortifruticultura contra doenças fúngicas; Uso de consórcios microbianos para preparar a defesa do estresse biótico, com o objetivo de reduzir / eliminar traços de pesticidas das culturas.
Prazo de validade SMART - Identificando preditores de distúrbios internos de escurecimento (DII), especialmente sob as restrições legislativas atuais sobre antioxidantes sintéticos (por exemplo, difenilamina, DPA) durante o armazenamento pós-colheita a longo prazo, incluindo, por exemplo, práticas de manejo de pomares, características do solo e nutrição das culturas (respostas ao fósforo ( P) e fertilização com potássio (K)).
Rastreabilidade e certificação de produtos SMART de origem - Estabelecimento de uma metodologia de baixo custo em tempo real para rastreabilidade e certificação de produtos de origem, bem como sua integração com a cadeia de valor restante (compatível com ISO 22000 / ISO 22005). Métodos analíticos inovadores suportados por plataformas digitais fáceis de usar.

APLICAÇÕES INTELIGENTES
O principal objetivo é desenvolver Sistemas Inteligentes de Apoio à Decisão (SDS) baseados em computador para apoiar a economia circular e otimizar os procesos e uso de recursos. Este trabalho concentra-se especificamente no desenvolvimento de um ecossistema de aplicações para apoiar a tomada de decisões dos diferentes actores do setor agroalimentar.
O SDS utiliza fontes heterogêneas de dados (por exemplo, dados do sensor, imagens de drones (UAV e UGV), informações meteorológicas etc.), a maioria delas em tempo real, que são armazenadas e processadas (usando algoritmos eficientes para análises complexas) na núvem (cloud computing). A partir destes dados o SDS produz acções automáticas sobre vários tipos de atuadores, por exemplo, irrigação automática, fertilizantes, produtos fitofarmacêuticos, etc.
As aplicações SDS podem produzir relatórios, gráficos de visualização ou serem aplicações inteligentes para smartphones, permitindo que os diferentes actores consultem informações históricas, entendam melhor o que está a acontecer, mas principalmente antecipar quando algo acontecerá e como fazê-lo acontecer (por exemplo, quando aplicar um tratamento e qual quantidade e seu impacto nas receitas).
As principais tarefas do SMART USE são:
Ferramentas de previsão - O objetivo básico por trás desta tarefa é desenvolver métodos e recursos necessários para implementar as ferramentas de previsão necessárias em um ambiente SMART Agriculture. O uso do aprendizado de máquina e da análise de dados desenvolvido no contexto do SMART MONITORING será aplicado para fazer previsões do futuro com base em dados passados e presentes. Esta tarefa está focada na organização de competências em torno deste tópico e na criação de diretrizes e mecanismos para o design, desenvolvimento e avaliação das ferramentas de previsão do SMART Agriculture:
-
Previsão de rendimento SMART - A previsão de rendimento não se baseará apenas em dados passados e presentes sobre os números de rendimento e em tirar fotos (imagens) dos campos durante o cultivo. É possível correlacionar esses instantâneos com os rendimentos, mas também é possível prever, por exemplo, o rendimento das frutas, dando tempo suficiente aos produtores para reservar armazéns refrigerados.
-
Previsão de consumo de energia e água da SMART - A previsão do consumo de energia e água também é fundamental para estimar os custos de produção ou até reservar previamente o suprimento necessário .
Ferramentas de otimização e suporte a decisões - O objetivo básico por trás dessa tarefa é desenvolver métodos e recursos necessários para implementar as ferramentas para ajudar os agricultores a tomar as melhores decisões em um ambiente SMART Agriculture. O uso de Técnicas de Inteligência Artificial e, como Machine Learning e Data Analytics, será usado para tomar ferramentas de otimização e tomada de decisão SMART para diferentes tarefas e atividades. Esta tarefa está focada na organização de competências em torno deste tópico e na criação de diretrizes e mecanismos para o design, desenvolvimento e avaliação das ferramentas de otimização da SMART Agriculture:
-
Uso de culturas de cobertura SMART - implemente ferramentas e / ou serviços para otimizar o uso das culturas de cobertura, ajudando os agricultores a decidir onde e qual cultura de cobertura deve ser plantada para gerenciar a erosão do solo, fertilidade do solo, qualidade do solo, água, ervas daninhas, pragas, doenças, biodiversidade e vida selvagem .
-
Rotação SMART de culturas - Desenvolva modelos de suporte à decisão baseados principalmente em dois conceitos, o plano de cultivo e as decisões de rotação de culturas.
-
Fertilização SMART e combate a pragas - Para desenvolver métodos e ferramentas para criar a tecnologia SMART ou Fertilização precisa para ajudar os agricultores a fertilizar apenas as áreas certas com a quantidade certa.
-
Irrigação SMART - Essas ferramentas inteligentes de decisão podem usar dados de sensoriamento remoto ou local ou de sensores IoT locais, pesquisas eletromagnéticas. Adquirir variabilidade espaço-temporal das propriedades hidráulicas do solo, visando o gerenciamento preciso do recurso.
-
Instalações de energia sustentável SMART - desenvolva métodos necessários para implementar ferramentas de apoio à decisão para permitir o dimensionamento e a localização adequados de infraestruturas energéticas sustentáveis, para aumentar a resiliência do suprimento energético das fazendas e da população do bairro.
-
Otimização do SMART Crops - O objetivo desta sub atividade é realizar todas as pesquisas e inovações necessárias para implementar ferramentas e / ou serviços para otimizar a produção agrícola, incluindo melhores rendimentos com melhor qualidade e ambiente mais seguro (menos água, menos fertilizantes, menos pesticidas).