Agricultura de Precisão: um lado digital da agricultura. Antonio Mauro Saraiva Universidade de São Paulo Escola Politécnica

Transcrição

1 Agricultura de Precisão: um lado digital da agricultura Antonio Mauro Saraiva Universidade de São Paulo Escola Politécnica 1

2 A Agricultura Digital chegou! Bem... natura non facit saltus 2

3 3

4 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

5 Agricultura Digital??? O que é? Buzzword! 5

6 Digital Agriculture > hits Digital farming Agriculture 4.0 Smart farming Agricultural automation Agricultural electronics 6 Precision agriculture precision farming site-specific farming soil-specific farming

7 7 Digital agriculture: publicações

8 Primeiros artigos (?) J Cheng, S Yi. Digital Agriculture One of Application Domain of Digital Earth Proceedings of the International Symposium on Digital (Earth?), Science Press 8

9 redes de dados Análise de dados <Digital_Agriculture = TRUE> Sensores Robôs Integração de dados Máquinas inteligentes Cenários Tomada de decisão Automação e controle de processos Sistemas de informação 9

10 redes de dados Análise de dados <Digital_Agriculture = TRUE> Sensores Robôs Integração de dados Máquinas inteligentes Cenários Tomada de decisão Automação e controle de processos Sistemas de informação 10

11 DATA-INTENSIVE AGRICULTURE Agricultura intensiva no uso de dados 11

12 Disponibilidade de dados múltiplos dispositivos e fontes menor custo distribuídos, porém conectados grande frequência de obtenção (tempo-real?)

13 Poder computacional Melhores dispositivos Mais capacidade de processamento Maior conectividade Diminuição dos custos coleta acesso processamento armazenamento

14 Novos modelos de negócios Dados + conectividade + processamento = Repensar e redesenhar processos ao longo das cadeias produtivas e dos negócios em geral

15 15 Accenture

16 Uma mudança de aquisição de produtos/ferramentas para contratação de um sistema de sistemas Diferenças dos sistemas anteriores: fazem produtos terem seu próprio monitoramento+controle+ otimizaçãoo+autonomia Isso multiplica os efeitos. Onde estamos Para onde vamos

17 Conceitos e Tecnologias de suporte 17

18 Internet das coisas - IoT Outra buzzword... 18

19 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

20 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

21 VANTs / Drones 21

22 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

23 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

24 Data Science e Inteligência Artificial 24

25 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!

26 Inteligência Artificial 26

27 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.

28 Classificação automática de texto e imagens. Interpretação de questões de usuários. Tradução de textos. Carros e drones, etc.

29 Sistemas de recomendação e adaptação ao usuário

30 Agentes financeiros Uso rotineiro em processamento de transações individuais. Uso intensivo em transações em bolsa. A queda do Knight Capital Group (2012)

31 IBM Watson Atendimento a clientes. Atendimento a pacientes.

32 Sistemas (semi-)autônomos

33 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)

34 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.

35 IA na Agricultura Digital Reconhecimento de padrões: classificadores Imagens Doenças Pragas (armadilhas) Culturas (classificação) Sons, Doenças Previsões Recomendações

36 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

37 BlockChain 37

38 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

39 monta uma transação envio para rede P2P monta um bloco minerador valida bloco com a transação e propaga para os demais incorporação bloco aceito pela maioria

40 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

41 Digitalização e novos modelos de negócios: economia compartilhada 41

42 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)

43 AGRICULTURA DE PRECISÃO OU DIGITAL??

44 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.

45 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

46 Há que superar esta fase das soluções parciais 46 Accenture

47 redes de dados Análise de dados <Digital_Agriculture = TRUE> Sensores Robôs Integração de dados Máquinas inteligentes Cenários Tomada de decisão Automação e controle de processos Sistemas de informação 47

48 Uma mudança de aquisição de produtos/ferramentas para contratação de um sistema de sistemas Onde estamos Para onde vamos

49 Mas e se

50 50

51 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

52 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 53 Fonte: BCG

54 54

55 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! 56

57 AgDig=True AP é AgDig 57

58 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! 59