[001] A presente invenção se insere nas áreas de ciências agrárias, engenharia agrícola e tecnologia da informação e comunicação, mais precisamente relacionado a um método e sistema de monitoramento de pragas agrícolas, compreendendo elementos de aprendizado de máquina.

ESTADO DA TÉCNICA

[002] A presente invenção se insere na área da agricultura, e refere-se a um método e sistema remotos e inteligentes de monitoramento de pragas agrícolas.

[003] Como amplamente divulgado, tornou-se de entendimento comum entre as agências governamentais, instituições de pesquisa, indústria e produtores que aplicações regulares de defensivos agrícolas, especialmente pesticidas, de amplo espectro devem ser minimizadas, pois esta prática resulta em uma série de questões económicas, ambientais e sociais (a saber, resistência a inseticidas por parte das espécies pragas, extermínio de agentes inimigos naturais, problemas com a segurança do trabalhador, entre outros) .

[004] Neste sentido, técnicas de Manejo Integrado de Pragas (MIP) baseados em tecnologias ecologicamente corretas oferecem uma oportunidade única para atender a esta e outras necessidades, sendo o monitoramento das populações de pragas um componente importante em qualquer programa que implemente técnicas de MIP. [005] Como exemplo da importância do monitoramento, se for subestimada a população de insetos em uma área, não será realizado o controle necessário, podendo ocorrer perdas substanciais da produção. A situação oposta, com a superestimação da população de insetos, tem-se o desperdício de recursos através da aplicação desnecessária de inseticidas, além do aumento do risco de contaminação ambiental devido à aplicação em excesso do produto.

[006] Na produção agrícola brasileira, por exemplo, os insetos economicamente mais significativos é o complexo de lagartas, com a fase adulta caracterizada como mariposas, incluindo, mas não se limitando, às seguintes espécies: na cana-de-açúcar : Diatraea flavipennella (Broca da Cana-de- açúcar) , Diatraea saccharalis (Broca da Cana-de-açúcar) , Elasmopalpus lígnosellus (Lagarta Elasmo da Cana-de-açúcar) , Hyponeuma taltula (Broca Peluda da Cana-de-açúcar) e Telchín lícus (Broca Gigante da Cana-de-açúcar) . No cafeeiro: Leucoptera coffeella (Bicho mineiro) , Oxydia apidania (Lagarta Mede Palmo) e Helicoverpa armigera. No milho: Agrotis ípsilon (Lagarta-rosca) , Moeis latipes (Lagarta- militar) , Spodoptera frugiperda (Lagarta-do-cartucho) , e Helicoverpa zea; na soja: Urbanus proteus (Lagarta-cabeça- de-fósforo) , Antícarsía gemmatalís (Lagarta-da-soj a) , Etiella zinckenella (Lagarta-das-vagens ) , Spodoptera cosmioides (Lagarta-marrom) , Omiodes indicatus (Lagarta-das- folhas), Pseudoplusia includens (Lagarta-do-linho) e Chrysodeixis includens (Lagarta-falsa-medideira) ; na citros: Phyllocnistis citrella (Larva-minadora-dos-citros ) ; e no algodão: Alabama argillacea (Curuquerê do algodoeiro), Heliothis virescens (Lagarta-da-maçã) e Spodoptera eridania (Lagarta-das-vagens ) .

[007] Algumas destas espécies não se restringem apenas a uma única cultura, podendo se manifestar em múltiplas produções, como é o caso da Helicoverpa armigera, que pode causar prejuízos às produções de café, soja e algodão.

[008] Atualmente, o monitoramento das principais pragas que causam prejuízos na ordem de bilhões as mais importantes culturas agrícolas do país é realizado de maneira manual, com o envio de técnicos a campo ou mesmo por meio da contagem e identificação manual das pragas em armadilhas mecânicas instaladas em campo.

[009] Independentemente do método aplicado, este processo pode ser demasiadamente lento quando comparado à dinâmica populacional destas espécies de pragas, em especial insetos que se multiplicam rapidamente.

[010] Algumas soluções são encontradas na tentativa de solucionar tais problemas.

[011] Existem algumas soluções atualmente utilizadas comercialmente que se baseiam em tais prerrogativas como, por exemplo, o sistema Z-Trap ( Spensa Technologies) , semios ( semiosBIO Technologies) , o Sistema de Alerta de Pragas Emergentes ( Instituto Matogrossense do Algodão) . Tais soluções, porém, como previamente explicado necessitam o envio de técnicos a campo ou mesmo por meio da contagem e identificação manual das pragas em armadilhas mecânicas instaladas em campo.

[012] Atualmente, algumas soluções práticas na tentativa de solucionar tais problemas realizam a análise de imagens em campo para identificação de objetos/animais. Não obstante, tais técnicas ainda se baseiam em um banco de imagens já conhecido, em que a imagem capturada é comparada com a imagem existente no banco de imagens, e então a identificação é feita.

[013] Existem algumas soluções atualmente utilizadas comercialmente que se baseiam em tais prerrogativas como, por exemplo, o sistema semios (semiosBIO Technologies) , ou as patentes chinesas CN102930249, CN104850836 ou CN106614440, e outras similares.

[014] Contudo, a base de tais técnicas é que, para que a classificação ocorra, é necessário processar a imagem em servidores externos ao campo, o que implica em transferência de um alto volume de dados e uso de tecnologias de transferências de dados de difícil utilização no campo, como 4G ou WiFi, para seu correto funcionamento.

[015] Ainda, como pode ser visto no relatório descritivos de tais documentos, tais técnicas apresentam alguns problemas adicionais inerentes a tais sistemas, como equipamentos não autossuficientes em energia, restrições às espécies submetidas a estudo, e a necessidade de feedback dos usuários para aperfeiçoamento dos sistemas preditivos.

[016] Assim, conforme acima explanado, não existe na literatura uma solução que proporcione um bom monitoramento de pragas em campo, que não necessite de uma alta capacidade de transferência de dados ou o envio de técnicos a campo constantemente .

[017] Diante do acima exposto, a solução proposta pelo presente invento soluciona os problemas mencionados, ao descrever um método e sistema de monitoramento totalmente autónomo e com capacidade de operar de forma continua, sem interferência humana ou necessidade de monitoramento manual.

[018] O método aqui proposto, ainda, processa as imagens capturadas (dados brutos) gerando um código, dentro da própria armadilha para captura de pragas, e este código identifica a espécie de praga, sem necessidade de WiFi ou transferência de dados de grande volume, sendo suficiente, protocolos de baixo payload para o envio das informações, como por exemplo LPWAN - Low Power Wide Area Network.

[019] Deste modo, é importante ressaltar que, apesar do reconhecimento de imagens ser amplamente utilizado no estado da técnica, o reconhecimento de imagens desse sistema demonstra um avanço técnico em relação aos demais pelo fato de ser descentralizado.

BREVE DESCRIÇÃO DA INVENÇÃO

[020] A presente invenção refere-se a um MÉTODO de monitoramento e classificação de pragas que compreende as seguintes etapas principais: a) atração das pragas; b) pré- processamento da imagem; e c) classificação das imagens.

[021] No método de acordo com a presente invenção, a etapa b) compreende as etapas adicionais de aquisição das imagens, subtração do fundo, extração da região de interesse e redimensionamento e aplicação de filtros.

[022] Ainda, a etapa c) compreende as etapas de: cl) treinamento; e c2) classificação das imagens, em que a etapa cl) é realizada por meio das etapas de: cll) extração de atributos da imagem por redes neurais; cl2) normalização dos dados; e cl3) classificação da imagem adquirida por meio de uma função de ativação softmax. [023] O método pode compreender, ainda, a etapa d) comunicação das informações sumarizadas para dispositivos de gestão, que pode compreender as etapas adicionais de dl) disponibilização dos dados e d2 ) criação de relatórios para consulta .

[024] É previsto ainda um DISPOSITIVO de aquisição de imagens para monitoramento e classificação de pragas que compreende um elemento de entrada de pragas, um dispositivo de aquisição de imagens e um microprocessador, em que o microprocessador é configurado para realizar o método computacional conforme acima definido.

[025] O elemento de entrada de pragas do dispositivo de aquisição de imagens pode compreender, ainda, um elemento de afunilamento configurado de modo a direcionar as pragas para o interior do dispositivo de aquisição de imagens, bem como um elemento de saida de pragas configurado de modo a direcionar as pragas para fora do dispositivo de aquisição de imagens, e elementos de produção de energia fotovoltaicos ou aeolicos, para possibilitar uma autonomia total aos mesmos .

[026] Por fim, é previsto ainda um SISTEMA de monitoramento e classificação de pragas, que compreende estações autónomas de monitoramento, que por sua vez compreendem ao menos um dispositivo de aquisição de imagens conforme acima definido. As estações autónomas de monitoramento são, preferencialmente, instaladas dentro de um raio efetivo de comunicação, configurado de modo a possibilitar a comunicação de dados a um servidor de rede por meio de centrais integradoras de dados. [027] O sistema pode ainda compreender um servidor de aplicação em contato com o servidor de rede, o servidor de aplicação configurado de modo a disponibilizar os dados de monitoramento e classificação de pragas para consultas por parte de usuários, e os usuários utilizarem os dados disponibilizados para a modelagem e predição da evolução das infestações e para o planejamento de aplicação de ações corretivas em lavouras.

BREVE DESCRIÇÃO DAS FIGURAS

[028] A presente invenção passará a ser descrita a seguir com referência às concretizações típicas da mesma e também com referência aos desenhos apensos, nos quais:

[029] A Figura 1 apresenta um diagrama de blocos que exemplifica um sistema de monitoramento de pragas de acordo com uma construção preferencial da presente invenção;

[030] A Figura 2 mostra um diagrama de blocos que exemplifica um método de monitoramento de pragas de acordo com uma construção preferencial da presente invenção;

[031] A Figura 3 apresenta um diagrama de fluxo das informações de acordo com uma construção preferencial da presente invenção; e

[032] A Figura 4 mostra um dispositivo de aquisição de imagens, em corte, de acordo com uma construção preferencial da presente invenção.

DESCRIÇÃO DETALHADA DA INVENÇÃO

[033] A seguinte descrição detalhada deve ser lida e interpretada com referência aos desenhos e esquemas apresentados em anexo, representando uma forma de realização preferida para a invenção, não sendo intencionado limitar o escopo do invento, este sim limitado apenas ao explicitado no quadro reivindicatório .

[034] Conforme previamente descrito, a invenção se insere nas áreas de ciências ambientais, engenharia agrícola e tecnologia da informação e comunicação, mais precisamente relacionado a um método e sistema de monitoramento de pragas agrícolas, compreendendo elementos de aprendizado de máquina .

[035] Assim, de maneira geral e resumida, a presente invenção descreve um MÉTODO e SISTEMA remoto de monitoramento de insetos e pragas agrícolas que atrai as pragas, captura as imagens, identifica a praga e faz o gerenciamento de dados. Este método é treinado por meio de técnicas de Machíne Learníng, utilizando assim inteligência artificial para classificação e identificação dos insetos.

[036] As imagens capturadas das espécies no interior da armadilha são pré-processadas e classificadas utilizando-se técnicas de aprendizado profundo (Deep Learníng - DL) através do qual um técnico no assunto desenvolve um extrator de características e sequências de instruções complexas para encontrar padrões.

[037] Com o uso de técnicas de DL as representações necessárias para a classificação ou detecção de padrões são descobertas de forma autónoma e são feitas correlações a partir destas, tornando-a assim, menos suscetível a erros provenientes de mudanças de iluminação, sombras ou outros distúrbios que afetam os métodos tradicionais de visão computacional .

[038] Desta forma, com o processamento ocorrendo localmente no próprio equipamento, são enviados através de protocolos de comunicação de baixa potência e longo alcance (LPWAN) apenas os dados sumarizados dos resultados obtidos pelo equipamento, não se fazendo necessário o envio das imagens obtidas em seu estado original para o processamento em nuvem.

[039] Um exemplo, simplesmente ilustrativo, dessa aplicação é o "Dermatologist-level classífícatíon of skín câncer with deep neural networks", onde foi usado, no treinamento da rede neural convolucional , um banco composto por 129.450 imagens de treinamento de lesões associadas a 2.032 classes de doenças de pele e diagnósticos de câncer.

[040] Outro exemplo é o " Fine-tuning based deep convolutional networks for lepídopterous genus recognition", onde há a optimização de hiperparâmetros de três redes neurais convolucionais pré-treinadas com 2000 imagens de "borboletas" do banco de imagens público ImageNet, onde obtiveram índices de acertos superiores a 92% na tarefa de classificação de 15 classes distintas destes insetos.

[041] Assim, este método e sistema geram dados de número de pragas e tipos de pragas dentro de um intervalo de tempo. Os dados são gerenciados e podem ser vistos por meio de computadores, tablets, smartphones e similares, seja em campo ou em um local de acesso remoto.

[042] Como pode ser visto na figura 1, em um primeiro aspecto a presente invenção refere-se a um SISTEMA DE MONITORAMENTO DE PRAGAS (1), remoto e inteligente, em que tais pragas são preferencialmente insetos, que compreende: i) um sistema de atração e aquisição de imagens (12); em que o referido sistema compreende: a) ao menos um dispositivo de atração de praga (121) configurado para atrair e capturar as espécies de praga alvo de monitoramento para o interior do dito dispositivo por via luminescente , feromônios ou outro método similar;

b) ao menos um dispositivo de aquisição da imagem (122), preferencialmente posicionado no compartimento de entrada do sistema de atração e aquisição de imagens (12), em que o dito dispositivo compreende uma câmara de entrada de pragas (6; Figura 4), que possui um elemento de afunilamento (61; Figura 4) que direciona as espécies de pragas alvo de monitoramento para a região de aquisição de imagens, localizada no interior do sistema de aquisição de imagens (5; Figura 4), que aciona o sistema de contagem e identificação de espécies que, com o uso de ao menos um sensor de imagem (51), selecionado do grupo compreendido por sensor CCD; sensor CMOS; ou sensor similar, uma pluralidade de imagens são capturadas, sendo em que o quadro da série com a melhor qualidade é selecionado para posterior pré-processamento e classificação da imagem, em que o referido sistema é fixado por meio de um anteparo (52) e possibilita a saida das espécies de praga alvo de monitoramento por um elemento de saida (62; Figura 4); c) um dispositivo de pré-processamento (123), configurado para realizar operações de pré-tratamento da imagem adquirida das pragas, em que o dito dispositivo compreende um microprocessador (7; Figura 4) dedicado que executa o processamento de imagens adquiridas sempre que o sistema detecta a entrada de uma nova espécie na câmara de entrada da armadilha (6; Figura 4), além de controlar diversos outros elementos que sejam necessários ao dispositivo como, por exemplo, memórias, elementos de comunicação, entre outros, ii) um sistema de classificação de imagens (13), em que o dito sistema compreende:

d) um processo de treinamento (131);

e) um elemento de extração de atributos (132); e um elemento de classificação de pragas (133) .

[043] De forma simplificada pode-se resumir as etapas do treinamento da rede da seguinte forma:

I. Inicialização dos pesos e bias, em que são definidos os valores da taxa de aprendizado, do momento e do critério de parada;

II. Apresentação à rede das imagens de treinamento, em que para cada imagem aquisitada no sistema (12) é realizada a série de cálculos descrita nos passos III e IV a seguir.

III. Propagação, em que são calculadas as saídas locais induzidas e os sinais funcionais da rede prosseguindo camada por camada. Esse cálculo é realizado supondo que cada amostra de treinamento seja representada por (x(n),d(n)), com o vetor x (n) sendo apresentado a entrada da rede e o vetor de resposta desejada d(n) apresentada a camada de saída da rede.

IV. Retropropagação, em que são calculados os gradientes locais e ajustados os pesos sinápticos da rede nas camadas ocultas de acordo com a regra delta generalizada. V. Iteração das computações para frente e para trás de acordo com os passos II e III apresentando novas épocas de amostras de treinamento para a rede até que o critério de parada seja atingido.

iii) um sistema de comunicação e gestão (14), em que o dito sistema compreende:

f) um elemento de sumarização das informações (141);

g) um elemento de envio de dados (142) ; e

iv) uma pluralidade de estações autónomas de monitoramento - EAM , as quais são compreendidas pelos sistemas (12); (13); e (14), instaladas dentro de um raio efetivo de comunicação RC, configuradas de modo a possibilitar a comunicação de dados a um servidor de rede NS por meio de centrais integradoras de dados (Cl), sendo que a distribuição das referidas EAM depende da espécie de praga a ser monitorada, por exemplo: no caso do algodão, monitorando o bicudo-do- algodoeiro, a instalação das EAM é feita no perímetro externo da área, com distância de 150 a 300m entre cada um; se o objetivo for monitorar alguma lagarta, a instalação é distribuída de maneira a cobrir e representar 50 ha;

v) ao menos uma central integradora de dados (Cl) para integração de cada estação autónoma de monitoramento (EAM) , cuja central compreende uma estação Rádio Base de uma operadora de sinal (WND se a tecnologia for Sigfox) ou um Gateway (ponte de ligação) se a tecnologia for LoRa .

vi) opcionalmente, um servidor de aplicação AS em contato com o servidor de rede NS, sendo que o servidor de aplicação AS é configurado de modo a disponibilizar os dados de monitoramento e classificação de pragas para consultas por parte de usuários, e os usuários utilizarem os dados disponibilizados para a modelagem e predição da evolução das infestações e para o planejamento de aplicação de ações corretivas em lavouras.

[044] Como pode ser visto na figura 2, em um segundo aspecto a presente invenção refere-se a um MÉTODO realizado por tal sistema previamente descrito que compreende as etapas de :

al) atração das pragas (21), em que as espécies de pragas alvo de monitoramento são atraídas e afuniladas em (21) e entram por (2), sendo que a referida atração compreende o emprego de fontes luminosas para atração e captura das espécies de pragas alvo de monitoramento nas formas aladas e que apresentam fototropismo positivo (via luminescente ) ; o emprego de feromônios para a atração das espécies de pragas alvo de monitoramento ( iscada) ; ou outro método similar capaz de atrair e capturar as referidas espécies de praga alvo do monitoramento para o interior do dispositivo (121; Figura 1)

bl ) pré-processamento da imagem, que compreende as etapas de :

— aquisição das imagens (22), em que a referida aquisição é iniciada quando as espécies de praga alvo de monitoramento, depois de afuniladas em (61; Figura 4) e entrarem por (6; Figura 4) na etapa al), passam pela região de tomada de imagens, localizada no interior do sistema de aquisição de imagens (5; figura 4), em que o sistema de contagem e identificação sai do modo de espera e, com o uso de sensores de imagem (51) selecionado do grupo compreendido por CCD; CMOS ou sensor similar, faz a captura de uma pluralidade de imagens das referidas espécies, selecionando o quadro da série com a melhor qualidade ;

— subtração do fundo (23);

— extração da região de interesse;

— redimensionamento (24); e

— aplicação de filtros (25) , sendo que tais filtros podem ser realizados em sequência, compreendendo, por exemplo, um filtro passa-baixas e/ou um filtro passa- altas .

cl) classificação das imagens (35), que por sua vez é realizada preferencialmente por meio de um treinamento de máquina, o qual pode ser realizado por diferentes técnicas de aprendizado (33) especificas, porém o preferencialmente utilizado em redes neurais e, assim, apresenta um processo de continuo desenvolvimento e melhoria sem a necessidade de interferência humana. Assim, é preferencialmente obtido um conjunto de treinamento (34), é aplicado a tais técnicas de aprendizado (33) e relacionada a bases de conhecimento

(32) e, após o treinamento, pode ser realizada uma etapa de tomada de decisão (31) com base no treinamento e na imagem adquirida e pré-processada anteriormente . Assim, o treinamento do algoritmo de aprendizado é realizado com o conjunto de treinamento das classes de pragas de interesse do sistema de monitoramento, por exemplo, utilizando a extração de atributos da imagem por redes neurais convolucionais , a normalização dos dados, e a classificação da imagem adquirida por meio de uma função de ativação softmax. Assim, para a execução do método proposto, são realizadas duas fases distintas, sendo a primeira de treinamento da rede e a segunda de classificação das imagens com base em tal treinamento. No método ora proposto, a etapa de treinamento deve ser executada pelo menos uma vez para o ajuste do sistema, mas também pode ser realizada continuamente durante o processo para a melhoria da classificação das imagens, dl) comunicação das informações sumarizadas para dispositivos de gestão, em que os dados sumarizados das etapas anteriores são enviados a uma central integradora (41) que se comunica continuamente com um servidor de rede (42), que por sua vez se comunica continuamente com um servidor de aplicação (43) . Tais servidores possibilitam uma etapa de disponibilização dos dados (44), que pode criar relatórios para consulta por dispositivos diferentes, enviar notificações para celulares, entre outros. Assim, a sumarização das informações pode ser realizada em um período de operação especifico (diferentes pragas podem atuar, por exemplo, no período diurno ou noturno) , realizando a abertura sincronizada ou cascateada de comunicação dos equipamentos com uma estação base centralizadora dos dados. A disponibilização das informações pode ser realizada, por exemplo, em serviço de hospedagem em nuvem.

[045] A figura 3, por sua vez, apresenta um diagrama de fluxo das informações, que se inicia com a geração de dados pelas estações autónomas de monitoramento EAM, compreendidas pelos sistemas (12), (13) e (14), cujas estações estão instaladas dentro de um raio efetivo de comunicação RC, e posteriormente comunica tais dados por meio de centrais integradoras de dados Cl. A comunicação entre as estações autónomas de monitoramento EAM e as centrais integradoras de dados Cl é realizada, preferencialmente, utilizando protocolos baseados na tecnologia Low Power Wide Area NetWork, para diminuir o consumo de energia e possibilitar uma autonomia das estações. Assim que os dados são recebidos pelas centrais integradoras de dados Cl, os mesmos são distribuídos, preferencialmente por meio de protocolos TCP/IP ou outro tipo de conexão disponível no local para o servidor de rede NS e para o servidor de aplicação AS, ficando disponíveis para consultas por parte do usuário. Além do sistema de consultas, preferencialmente por meio de um sistema de Push Notification, assim que um limiar pré- definido de pragas é atingido, uma notificação é enviada ao usuário do sistema, contendo informações necessárias para a tomada de decisões.

[046] Por fim, como pode ser visto na figura 4, em um terceiro aspecto a presente invenção refere-se a um DISPOSITIVO de aquisição de imagens (5) de acordo com uma configuração preferencial da presente invenção apresentado compreende, resumidamente, por um elemento de entrada de pragas (6), que possui um elemento de afunilamento (61) que direciona as pragas para o interior do dispositivo de aquisição de imagens (5), e possibilita a saída dos mesmos por um elemento de saída de pragas (62) .

[047] Assim que a praga passa pela região de aquisição de imagens (13) no interior do sistema de aquisição de imagens (5), o sistema de contagem e identificação sai do modo de espera (stand-by) e, com o uso de um sensor de imagem (51), realiza a captura de uma pluralidade de imagens da praga, selecionando o quadro da série com a melhor qualidade para posterior pré-processamento e classificação da imagem. Obviamente, tal sistema é fixado por meio de um anteparo (52) .

[048] Por fim, é previsto um microprocessador para efetuar as etapas do método previamente descrito, que pode controlar diversos outros elementos que sejam necessários ao dispositivo como, por exemplo, memórias, elementos de comunicação, entre outros.

[049] Adicionalmente, o dispositivo pode compreender baterias, sistemas fotovoltaicos ou mesmo aeólicos, para possibilitar a autonomia dos mesmos.

[050] No método de acordo com a presente invenção, a etapa bl) compreende as etapas adicionais de aquisição das imagens (22), subtração do fundo (23), extração da região de interesse e redimensionamento (24), aplicação de filtros (25) .

[051] Ainda, a etapa c) compreende as etapas de: cl) treinamento; e c2) classificação das imagens, em que a etapa cl) é realizada por meio das etapas de: cll) extração de atributos da imagem por redes neurais; cl2) normalização dos dados; e cl3) classificação da imagem adquirida por meio de uma função de ativação softmax.

[052] O método pode compreender, ainda, a etapa dl) comunicação das informações sumarizadas para dispositivos de gestão, que pode compreender as etapas adicionais de dl.l) disponibilização dos dados (44) e dl.2) criação de relatórios para consulta.

[053] É previsto ainda um DISPOSITIVO de aquisição de imagens (5) para monitoramento e classificação de pragas que compreende um elemento de entrada de pragas (6), um dispositivo de aquisição de imagens (5) e um microprocessador (7), em que o microprocessador (7) é configurado para realizar o método conforme acima definido .

[054] O elemento de entrada de pragas 6 do dispositivo de aquisição de imagens (5) pode compreender, ainda, um elemento de afunilamento (61) configurado de modo a direcionar as pragas para o interior do dispositivo de aquisição de imagens (5), bem como um elemento de salda de pragas (62) configurado de modo a direcionar as pragas para fora do dispositivo de aquisição de imagens (5), e elementos de produção de energia fotovoltaicos ou aeolicos, para possibilitar uma autonomia total aos mesmos .

VANTAGENS E MODIFICAÇÕES

[055] Assim, a presente invenção soluciona os problemas acima mencionados, ao descrever um método e sistema de monitoramento totalmente autónomo e com capacidade de operar de forma continua, sem interferência humana ou necessidade de monitoramento manual.

[056] O método aqui proposto, ainda, gera um código referente à imagem processada, dentro da própria armadilha para captura de pragas, e este código identifica a espécie de praga, sem necessidade de WiFi ou transferência de dados de grande volume. [057] Deste modo, é importante ressaltar que, apesar do reconhecimento de imagens ser amplamente utilizado no estado da técnica, o reconhecimento de imagens desse sistema demonstra um avanço técnico em relação aos demais pelo fato de ser descentralizado.

[058] Tal solução proporciona a identificação de espécies pragas por imagens, realizando o processamento das imagens nas estações de monitoramento, em que tal processamento descentralizado implica na redução dos custos da infraestrutura de comunicação, além da identificação e classificação das pragas nas imagens utilizando redes neurais convolucionais , que possibilita uma melhora continua de detecção e classificação, além da identificação e classificação de múltiplas classes de pragas distintas. Ainda, os sensores microclimáticos embarcados nas estações de monitoramento (por exemplo, temperatura, umidade do ar, sentido, direção e velocidade do vento) podem realizar o registro das variações temporais de dados, além das variações climáticas, e realizando ainda o registro espacial dos dados. Por fim, a comunicação e transmissão de dados por diferentes tecnologias, como por exemplo a Low Power Wide Area Network possibilita uma autonomia continua de tais estações, além da integração de dados em servidores WEB, possibilitando a utilização dos dados das estações para a modelagem e predição da evolução das infestações e para o planejamento de aplicação de ações corretivas.

[059] Assim, o objetivo realizado pela presente invenção consiste em prover uma solução para o monitoramento das principais pragas agrícolas que ocorrem territorialmente, para isto, faz a solução é integrada por um sistema de captura, identificação e gerenciamento das informações das espécies alvo do sistema.

[060] Embora tal sistema tenha sido descrito para aplicação na agricultura, outras aplicações não listadas inicialmente podem ser realizadas como, por exemplo, o monitoramento de insetos vetores de doenças como o mosquito Aedes aegypti .

[061] Embora a invenção tenha sido amplamente descrita, é óbvio para aqueles versados na técnica que várias alterações e modificações podem ser feitas sem que as referidas alterações não estejam cobertas pelo escopo da invenção .