• Dados Hiperespectrais:

Desenvolver modelos avançados que sejam capazes de explorar e interpretar dados de imagens hiperespectrais de satélite, estruturando-os em séries temporais para oferecer insights sobre variedades de cana-de-açúcar.

• Dados de Radar:

Desenvolver soluções que utilizem dados de sensores de radar para fornecer insights robustos e detalhados sobre o estado do solo, o crescimento do canavial e as variedades de cana-de-açúcar.

• Modelo de Análise Temporal para Classificação de Variedades de Cana-de-Açúcar:

Desenvolver um modelo de análise temporal que permita a classificação das variedades de cana-de-açúcar com base em suas características ao longo do tempo. O modelo deve ser capaz de diferenciar variedades com base em dados como estágio de crescimento.

• Outras técnicas de uso de imagens de satélite combinadas com algoritmos de aprendizado de máquina para identificar variedades de cana-de-açúcar e seus estágios de desenvolvimento.

• Cobertura Nacional com Drones:

Expandir a abrangência da coleta de imagens aéreas em campo, com drones cobrindo áreas relevantes para CTC, gerando dados em tempo real.

• Desenvolvimento de tecnologia de Identificação, e classificação automatizada de variedades de cana de açúcar através de imagens de drone:

Desenvolver modelos de IA para analisar imagens captadas por drones e identificar automaticamente diferentes variedades de cana-de-açúcar. A tecnologia deve ser capaz de detectar, classificar e diferenciar variedades de forma precisa.

• Análise e processamento de imagens para reconhecimento de variedades de cana-de-açúcar por meio de modelos de aprendizagem de máquina

• Integração Multivariada de Dados (Solo, Vegetação e Clima):

Desenvolver modelos de IA com múltiplas entradas que combinam dados de solo, território, vegetação e clima para oferecer análises mais completas e precisas sobre as características das variedades de cana-de-açúcar. O modelo deve integrar essas variáveis para gerar insights em tempo real e oferecer análises precisas.

• Criação de um aplicativo para ser utilizado em Celular pelos operadores de campo:

App que permite tirar fotos das variedades de cana e, a partir de IA e visão computacional, identificam automaticamente a variedade da cana no campo.

• Gamificação e Identificação da qualidade da Cana:

Implementar um sistema de gamificação para que as usinas possam fotografar variedades da cana de açúcar e enviar a CTC integrando os dados em um sistema automatizado.

• Aplicabilidade no Setor Sucroalcooleiro:

Analisar e adaptar modelos de mapeamento de áreas para uso no setor sucroalcooleiro. Implementar um sistema de monitoramento automatizado que identifique variedades no campo.

• Adaptação de Técnicas de mapeamento de outros setores para Monitoramento de Cana-de-Açúcar:

Adaptar modelos e técnicas de mapeamento de outros setores, como o de Petróleo e Gás, mas não se limitando só a esse, para o monitoramento das plantações de cana-de-açúcar, com o objetivo de melhorar a detecção das tipologias plantadas e suas qualidades. 

• Outras técnicas de mapeamento de áreas combinadas à detecção de variedades de cana-de-açúcar não mencionadas anteriormente.