Visão computacional aplicada à predição de altura de pastagens

Abstract

A pecuária de corte exige uma boa estimativa da quantidade de alimento no pasto para evitar situações de sub e sobrepastejo. A altura da vegetação correlaciona com a quantidade de matéria seca e pode ser usada como métrica para estimativas da disponibilidade de alimento no pasto. Este trabalho propõe uma solução para a determinação da altura média da vegetação baseada em visão computacional, utilizando redes neurais convolucionais. As espécies de pasto usadas nos modelos são vegetação nativa dos campos sul-brasileiros, azevém e capim-sudão, mas a técnica pode ser usada para qualquer outro tipo de vegetação. A coleta de dados usa imagens capturadas pelo aplicativo H-Pasture a partir de celulares comuns, diminuindo custos operacionais e aumentando a agilidade nos processos de tomada de decisão, promovendo uma gestão sustentável dos recursos naturais. Os resultados obtidos apresentam coeficientes de correlação de 0,9249 para pastagens nativas, 0,9312 para azevém e 0,7292 para capim-sudão. Os resultados ainda podem ser aprimorados, mas destacam o potencial da técnica proposta para o aprimoramento do manejo de pastagens, com possíveis aplicações nos modelos de negócio baseados em pecuária extensiva.