Agricultura de Precisão: um lado digital da...
Transcript of Agricultura de Precisão: um lado digital da...
1
Agricultura de Precisão: um lado digital da agricultura
Antonio Mauro Saraiva
Universidade de São Paulo
Escola Politécnica
A Agricultura Digital chegou !
• Bem ...
• ”natura non facit saltus”
2
3
E por aqui ?
• 1o. Seminário sobre Aplicação da Eletrônica na Agropecuária
• 1989
• Escola Politécnica da USP, São Paulo
• Poli, INPE, Embrapa Instrumentação, UNESP, IPT, empresas
Agricultura Digital ??? O que é?
Buzzword !
5
”Digital Agriculture” > 162.000 hits
6
Digital farming
Agricultural automation
Smart farming
Agriculture 4.0
Agricultural electronics
Precision agriculture
precision farming
site-specific farming
soil-specific farming
Digital agriculture: 9.560 publicações
7
J Cheng, S Yi.
Digital Agriculture–One of Application Domain of Digital Earth
Proceedings of the International Symposium on Digital
(Earth?)…, 1999 - Science Press
Primeiros artigos (?)
8
<Digital_Agriculture = TRUE>
9
Sensores
redes d
e d
ados
Máquinas inteligentes
Robôs
Automação e controle de processos
Integração de dados
Anális
e d
e d
ados
Tomada de decisão
Sistemas de informação
Cenários
<Digital_Agriculture = TRUE>
10
Sensores
redes d
e d
ados
Máquinas inteligentes
Robôs
Automação e controle de processos
Integração de dados
Anális
e d
e d
ados
Tomada de decisão
Sistemas de informação
Cenários
DATA-INTENSIVE AGRICULTURE
Agricultura intensiva no uso de dados 11
Disponibilidade de dados
• múltiplos dispositivos e fontes
• menor custo
• distribuídos, porém conectados
• grande frequência de obtenção (tempo-real ?)
Poder computacional
• Melhores dispositivos
• Mais capacidade de processamento
• Maior conectividade
• Diminuição dos custos
• coleta
• acesso
• processamento
• armazenamento
Novos modelos de negócios
Dados + conectividade + processamento
=
Repensar e redesenhar processos ao longo das cadeias produtivas e dos negócios em geral
15 Accenture
Uma mudança de aquisição de produtos/ferramentas
para contratação de um “sistema de sistemas”
Onde estamos Para onde vamos
Diferenças dos sistemas
anteriores: fazem produtos
terem seu próprio
monitoramento+controle+
otimizaçãoo+autonomia
Isso multiplica os efeitos.
Conceitos e Tecnologias de suporte
17
Internet das coisas - IoT
Outra buzzword ...
18
IoT – Internet das Coisas
• Dispositivos conectados pela Internet
• Redes de sensores
• Monitoramento e controle de irrigação
• Monitoramento Climático
• Pragas e doenças
• Identificação: RFId e QR Code
• Integração de operações, rastreabilidade, logística
19
IoT – Internet das Coisas
• Demandas e desafios
• Novos sensores, novas variáveis: ex. química do solo
• Menor custo (sensores e nós) para permitir grande disseminação • dust sensors
• Espacialmente distribuídos: agricultura de precisão
• Agregados aos produtos: rastreabilidade, automação da cadeia até a comercialização
• Alcance de comunicação x consumo de energia
• Conectividade no campo
VANTs / Drones
21
Drones / VANTs
• Aquisição de imagens
• Alta resolução
• Localizadas
• Frequência de coleta
• Analise de imagens (uso de Inteligência Artificial)
• Pragas
• Doenças
• Estresse hídrico
• Déficit de nutrientes
• Estande da cultura
• Erosão
22
Drones / VANTs
• Demandas / Desafios
• Autonomia
• Custo de aquisição ou do serviço
• Regulamentação recente
• Novas funções:
• Aplicação de produtos
• Especialização em tarefas ?
• Polinização
• Controle de pragas
• Integração com equipamentos de solo
• Hub de comunicação
23
Data Science e Inteligência Artificial
24
Data Science
• Conceito que une estatística, análise de dados e seus métodos a fim de compreender e analisar fenômenos reais a partir de dados.
• Emprega técnicas e teorias de várias áreas amplas como matemática, estatística, ciência da informação e computação.
• Em particular machine learning, classification, cluster analysis, data mining, databases, and visualization.
• Buzzword!
• Grande confluência (sobreposição !) com outras áreas, em particular estatística e inteligência artificial
• Compreender processos e tomar decisões!
Inteligência Artificial
26
Inteligência Artificial
• Por qualquer métrica que se possa escolher, técnicas de IA já são enorme sucesso tecnológico, econômico e social.
• Considere tradução de textos.
• Velha piada: traduzir para russo e de volta para inglês:
• “The spirit is willing, but the flesh is weak”
• “The vodka is strong, but the steak is lousy”.
• Classificação automática de texto e imagens.
• Interpretação de questões de usuários.
• Tradução de textos.
• Carros e drones, etc.
Sistemas de recomendação e adaptação ao usuário
Agentes financeiros
A queda do Knight Capital Group (2012)
• Uso rotineiro em processamento de transações individuais. • Uso intensivo em transações em bolsa.
IBM Watson
• Atendimento a clientes.
• Atendimento a pacientes.
Sistemas (semi-)autônomos
A “nova” moda: Deep Learning
• Redes neurais com muitas camadas…
• Camadas “selecionam” e abstraem atributos;
• problema é otimizar.
• Classificadores têm vencido muitas competições.
• Outro sucesso: Facebook’s DeepFace (120M paramêtros)
Em resumo
• O uso de técnicas de IA em larga escala já é uma realidade.
• A IA “real” não é a IA “ideal”:
• Não temos a mesma forma de inteligência, os mesmos métodos.
• Não importa: artefatos são, de fato, considerados inteligentes.
IA na Agricultura Digital
• Reconhecimento de padrões: classificadores
• Imagens • Doenças
• Pragas (armadilhas)
• Culturas (classificação)
• Sons, • Doenças
• Previsões
• Recomendações
IA na Agricultura Digital
• Desafios / demandas
• Mais capacidade de aprendizado, através da maior capacidade de compartilhamento e processamento de dados.
• Mais capacidade de aprender modelos e teorias de alto nível.
• Aplicar mais, para aprender na prática
• Mais dados, mais dados, mais dados
BlockChain
37
Blockchain
• É um livro-razão
• Saídas+ Entradas = Saldo
• É distribuído
• Todos podem ter uma cópia completa
• 50% + 1 devem concordar com qualquer inserção de um novo elo (chain)
• Não depende de um ator específico
• É protegido e virtualmente inviolável
• Novas páginas começam com o saldo anterior
monta uma transação
envio para rede P2P monta um
bloco
minerador valida bloco com a transação e propaga para os demais
bloco aceito pela maioria
incorporação
Blockchain e Agricultura Digital
• Proveniência
• Rastreamento de produto • Por qualquer um no supply-chain (incluindo o consumidor)
• Desde a origem
• Micropagamentos
• Cooperativas virtuais
• Monitoramento
• Uso de insumos e recursos
Digitalização e novos modelos de negócios: economia compartilhada
41
A Digitalização que trouxer redução de risco e de
ativos será adotada
A tecnologia ainda irá mudar muito, uniformizar-se, padronizar-se facilitando a intercomunicação, incorporar componentes melhores e mais baratos. De toda forma, 3 coisas deverão acontecer:
• Uso de equipamento de terceiros
• Pagamento pelo uso
• (equipamentos de alta obsolescência)
• (equipamentos para produtores menores)
• Plataforma compartilhada
• Informar para ser informado
• (pragas, doenças, clima)
• Uso de serviços coletivos
• Conteúdo sob demanda
• (análise de dados, inteligência de produtividade)
AGRICULTURA DE PRECISÃO OU DIGITAL ??
AP é o lado mais digital da agricultura
• Campo fértil para aplicação das diversas técnicas/ferramentas de TI
• Coleta de dados em campo
• Limpeza / processamento dos dados
• Modelagem&simulação / construção de cenários
• Análise de dados / extração de conhecimento
• Apoio à tomada de decisão
• Apoio a políticas públicas
• Usando cada vez mais
• IoT, Drones, IA, Data Science ….
AP é o lado mais digital da agricultura
• Conceito de AP, na prática, requer TI
• AP = GPS + Eletrônica Embarcada + ISOBUS + SIG + Mapas + análise + ….
• AP é muito Intensiva em Dados
• Espaço - temporais
• Múltiplas camadas
• Em boa medida, é graças à AP que surge a “Ag Digital”
Há que superar esta fase das soluções parciais
46
Accenture
<Digital_Agriculture = TRUE>
47
Sensores
redes d
e d
ados
Máquinas inteligentes
Robôs
Automação e controle de processos
Integração de dados
Anális
e d
e d
ados
Tomada de decisão
Sistemas de informação
Cenários
Uma mudança de aquisição de produtos/ferramentas
para contratação de um “sistema de sistemas”
Onde estamos Para onde vamos
Mas e se…
50
Desafios
• (Má) qualidade dos produtos/serviços pode afetar a ”onda” (?) • Assistência – tempo, custo, qualidade
• Adequação ao mercado – usuário, culturas, clima
• Resultados efetivos ? Qual o valor agregado?
• Segurança e propriedade de dados
• Compartilhamento dos dados: desafio cultural para o avanço tecnológico
• Qualidade dos dados
• Integração, interoperabilidade, sistemas x soluções parciais (Saraiva, 1998)
• Novos modelos de negócios, novos acordos de serviços
• AP para além de grãos e cana-de-açúcar e grandes produtores
• Outras culturas
• Médio e pequeno
Desafios
• Investimento em P&D&I
• Qual o futuro dos países marginais ?
• Ambientes de inovação e startups
• Papéis definidos e colaboração entre academia e empresas
• Educação – de quem vai desenvolver no país
• Times multidisciplinares
• Educação / treinamento - dos usuários
• Produção sustentável: oportunidade para o Brasil fazer diferente
• Agro & ambiente NÃO são contraditórios
• Emprego: Mais uma onda de deslocamento de emprego? Quem sai ganhando?
53
Há mais de USD 7 bilhões em investimentos focados
em desenvolver tecnologias digitais
Fonte: BCG
54
55
56
Em outros setores, a digitalização já aconteceu pelo
efeito competitivo: crescer com redução de risco e de
ativos • Tecnologias que reduzem a necessidade de ativos e minimizam riscos aumentam a competitividade da empresa
• Quem não busca competitividade ao menos similar aos melhores concorrentes acaba ficando para trás
Inovações disruptivas rompem por reduzir
ativos e minimizar riscos.
E elas virão!
57
AgDig=True
AP é AgDig
Agradecimento
Pelos slides adicionais
• Fabio Gagliardi Cozzman – Inteligência Artificial
• Uriel A.S. Rotta e Antonio C.B. Ortiz – Economia compartilhada, economia digital
58
59
Obrigado! [email protected]