No próximo dia 2 de junho, o InnovPlantProtect (InPP), com o apoio da ATEVA, promove uma sessão de demonstração da iCountPests, uma aplicação móvel que facilita e acelera a monitorização de pragas agrícolas através da análise automática de imagens captadas no campo.
A iniciativa, realizada no âmbito do projeto BioLivingLABs, decorre durante a manhã na Herdade das Servas (Estremoz), e é direcionada a produtores e técnicos agrícolas, proporcionando uma oportunidade para conhecer a aplicação em contexto real e perceber o seu potencial na monitorização de pragas na vinha.
Durante a sessão, os participantes poderão:
conhecer as funcionalidades da aplicação
perceber como funciona a análise automática de imagens
assistir a uma demonstração prática em campo da utilização da iCountPests
explorar o potencial da ferramenta no apoio à tomada de decisão agrícola
Lançada recentemente, a iCountPests utiliza inteligência artificial para automatizar a contagem de pragas através de imagens captadas com o telemóvel, reduzindo o tempo associado às contagens manuais e contribuindo para uma monitorização mais eficiente e informada.
Com um foco inicial na vinha, a aplicação permite monitorizar a cigarrinha-verde e a traça-dos-cachos, estando prevista a integração futura de novas pragas e culturas agrícolas.
A participação é gratuita, mas sujeita a inscrição prévia. Para se inscrever basta preencher o formulário disponível aqui.
Já está disponível a iCountPests, uma nova aplicação desenvolvida pelo InnovPlantProtect para apoiar a monitorização de pragas agrícolas através da análise automática de imagens captadas em campo.
A app utiliza inteligência artificial para contabilizar automaticamente pragas presentes em armadilhas adesivas, permitindo obter resultados rápidos e fiáveis diretamente no telemóvel.
Pensada para produtores e técnicos agrícolas, a iCountPests contribui para uma monitorização mais eficiente e precisa, reduzindo o tempo associado às contagens manuais e apoiando a tomada de decisão na proteção das culturas.
O funcionamento é simples:
Captar uma imagem da armadilha
Analisar automaticamente
Consultar resultados organizados e acessíveis
A app permite ainda acompanhar a evolução das pragas ao longo do tempo, facilitando a gestão e o registo da informação no terreno.
A monitorização de pragas é uma tarefa essencial na gestão agrícola, mas continua a depender, em muitos casos, de processos manuais demorados e sujeitos a erro.
A pensar nesta realidade, o InnovPlantProtect irá lançar brevemente a iCountPests, uma aplicação inovadora que utiliza inteligência artificial para automatizar a contagem de pragas a partir de imagens captadas no campo.
Com a iCountPests, será possível obter resultados rápidos e fiáveis, contribuindo para uma tomada de decisão mais informada e eficiente na proteção das culturas.
A aplicação estará brevemente disponível, sendo direcionada a produtores agrícolas e técnicos que procuram otimizar o tempo dedicado à monitorização e melhorar a precisão dos dados recolhidos.
Será que os insetos também têm ciclo de vida? Já conhece o ciclo de vida da traça da colmeia? Ou sabia que as plantas também adoecem ou que existem microrganismos nocivos mas também benéficos para a saúde das plantas? Venha descobrir as respostas a todas estas questões já na próxima sexta-feira, dia 30 de setembro, na Noite Europeia dos Investigadores (NEI) 2022. Entre as 17h30 e as 00h, os investigadores e investigadoras do InPP vão marcar presença na Praça do Giraldo, em Évora.
O InPP estará no stand EU-Corner 4 e este será o ponto de encontro entre os investigadores e todos aqueles que querem descobrir a ciência que é desenvolvida no nosso laboratório colaborativo. Nesta noite vai poder participar em duas atividades científicas: na primeira vai poder descobrir o incrível ciclo de vida da traça da colmeia e na segunda vai poder ver uma planta doente e todo o processo de cura.
Entre jogos, debates, demonstrações, conversas, workshops, visitas, exposições e tertúlias, são muitas as atividades de diversas instituições científicas para explorar nesta festa da ciência.
A participação é gratuita.
Junte a família e venha ter connosco a esta festa da Ciência! Contamos com a sua visita!
Consulte a programação completa de atividades presenciais de Évora aqui.
A NEI ocorre todos os anos e tem o objetivo de partilhar o trabalho dos investigadores com o público em geral. O tema para o ano de 2022 é “Ciência para Todos – Sustentabilidade e Inclusão”.
Atividade científica “Ciclo de vida do inseto traça da colmeia”Atividade científica “As plantas também adoecem”
Um artigo publicado recentemente pela equipa do InnovPlantProtect (InPP) revela o potencial dos métodos computacionais de machine learning para prever características fenotípicas, como é o caso do rendimento/produtividade do trigo, a partir de informações genéticas desta planta.
O machine learning (ML) é uma área da ciência de dados que tem ganho cada vez mais relevância na última década. O ML é um ramo da inteligência artificial que permite o desenvolvimento de modelos de previsão que podem ser aplicados nas mais variadas áreas. Apesar de não nos apercebermos, utilizamos ferramentas baseadas em ML no nosso dia-a-dia, como por exemplo, os resultados personalizados apresentados no feed do seu Facebook. Mas as aplicações futuras vão desde permitir a condução autonoma até à deteção de doenças através da análise de radiografias (em humanos) ou imagens de drone (em pomares).
A predição genómica (PG) é outra das áreas em que o ML tem estado a ser aplicado. Esta consiste em usar dados genómicos (que nos dão informação acerca do genótipo) para desenvolver modelos computacionais que prevêem características fenotípicas complexas dos organismos, tal como rendimento/produtividade do trigo (Ver representação esquemática).
Nesta investigação agora publicada na revista científicaAgriculture, os investigadores Manisha Sirsat e Ricardo Ramiro, ambos do departamento de Gestão de Dados e Análise de Risco, em colaboração com a Paula Oblessuc do departamento de Proteção de Culturas Específicas, exploraram a utilização de vários modelos de PG baseados em diferentes métodos computacionais para além do ML, como é o caso dos métodos estatísticos ou de deep learning (DL), com o objetivo de comparar a robustez e a performance de cada um deles em prever a característica fenotípica rendimento/produtividade do trigo. A ideia foi perceber quais os métodos que permitem prever características fenotípicas com maior fiabilidade.
“Os métodos estatísticos têm sido os mais utilizados em predição genómica pelas equipas de investigação em todo o mundo. Contudo, os métodos de ML estão a revelar-se uma boa alternativa, sendo mais precisos e rápidos”, evidencia Manisha Sirsat, primeira autora do estudo.
“A PG baseada em ML pode ajudar a reduzir o tempo e o custo da avaliação extensiva do processo de fenotipagem (durante os programas de melhoramento) e a acelerar o ganho genético”, explica a investigadora. “Este estudo contribui assim para ajudar os investigadores a perceber os fatores chave no desenvolvimento de modelos que possam acelerar os programas de melhoramento do trigo, ou de outras culturas, e a aumentar a produtividade agrícola”, acrescenta.
Representação esquemática do processo de predição genómica
A equipa tem estado a trabalhar em predição genómica desde 2020, e espera que a genómica e a predição genética sejam fundamentais para permitir manter ou aumentar a produtividade das culturas, apesar das múltiplas ameaças que enfrentamos, e para responder ao aumento de 50% na procura por alimentos até 2050, quando a população mundial atingir 9,7 mil milhões.
No passado dia 31 de Agosto, a diretora de departamento Cristina Azevedo esteve no Dia Aberto do Arroz – “A cultura do arroz no Baixo Mondego”, organizado pelo Pólo de Inovação de Coimbra da Direção Regional de Agricultura e Pescas do Centro (DRAPCentro), e que teve lugar no Campo do Bico da Barca, em Montemor-o-Velho. A iniciativa pretendeu dar a conhecer o que de mais inovador se tem feito ao nível da cultura deste cereal.
Durante o Dia Aberto, que contou com a colaboração de várias entidades e empresas ligadas ao setor da cultura do arroz, os participantes visitaram ensaios e campos de arroz, ficaram a conhecer um ensaio de novas variedades deste cereal, que está a avaliar o comportamento agronómico das cultivares e a determinar o seu rendimento industrial, e um novo fertilizante – CHAMAE – desenvolvido pela Lusosem, Syngenta, Bayer CropScience e DRAP Centro, que está a ser testado para esta cultura.
Os visitantes tiveram ainda a oportunidade de experienciar o incrível trabalho que tem sido realizado pelo INIAV, IP na conservação e melhoramento desta cultura, bem como um sistema em modo de produção biológico, no qual a Lusosem e a Associação de Beneficiários da Obra de Fomento Hidroagrícola do Baixo Mondego (Abofhbm) estão a testar novas tecnologias inovadoras e sustentáveis de sementeira e controlo de infestantes.
No âmbito da cultura do arroz, o departamento de Novos Biopesticidas, liderado por Cristina Azevedo, tem estado a trabalhar no desenvolvimento de biopesticidas para o controlo da piriculariose, uma das doenças que mais afeta este cereal, e, no passado mês de Agosto já recolheu duas amostras de arroz infetado na bacia do Mondego (em Montemor-o-Velho) e do Tejo/Sorraia (em Coruche e Porto Alto, em Samora Correia). A equipa planeia amostrar ainda este ano na zona do Sado.
Os cookies necessários permitem funcionalidades essenciais do site, como logins seguros e ajustes das preferências de consentimento. Não armazenam dados pessoais.
Nenhum
►
Os cookies funcionais suportam funcionalidades como partilha de conteúdo nas redes sociais, recolha de feedback e ativação de ferramentas de terceiros.
Nenhum
►
Os cookies analíticos monitorizam as interações dos visitantes, fornecendo informações sobre métricas como número de visitantes, taxa de rejeição e fontes de tráfego.
Nenhum
►
Os cookies de publicidade entregam anúncios personalizados com base nas suas visitas anteriores e analisam a eficácia das campanhas publicitárias.
Nenhum
►
Os cookies não classificados são cookies que estamos a processar para classificar, em conjunto com os fornecedores de cookies individuais.
Português 
English