A NAX AGTECH identificou uma necessidade crítica no setor.
agrícola: a capacidade de prever e gerenciar com precisão a produção agrícola
em um mundo cada vez mais afetado pelas mudanças climáticas.
Este projeto se concentra na criação de um sistema de previsão avançado
agrícolas, aproveitando a tecnologia de imagens de satélite e
aprendizado de máquina. Essa abordagem inovadora permitirá que os agricultores
antecipar vários fatores que afetam suas terras, como a umidade do solo,
a ocorrência de pragas e doenças e o impacto de fenômenos naturais.
clima adverso. Ao fornecer uma ferramenta de previsão
precisa e confiável, a NAX AGTECH busca transformar a maneira como as pessoas trabalham.
gerenciar operações agrícolas, promovendo a eficiência e a sustentabilidade
setor.

OBJETIVOS E RESULTADOS:

Para atingir essa meta ambiciosa, o projeto está estruturado em
vários objetivos específicos que garantem o desenvolvimento metodológico
rigoroso:
SO1: Desenvolver modelos precisos de previsão de produção agrícola
usando dados de imagens de satélite e técnicas avançadas de aprendizado
automático.

SO2: Implementar algoritmos de classificação automatizados que permitam
prever a produção de vários tipos de culturas em grande escala.
SO3: Avaliar a precisão e a eficácia do sistema de previsão desenvolvido
por meio de testes extensivos em diferentes cenários agrícolas.
SO4: Analisar e adaptar o sistema para prever a produção de forma eficaz
de culturas em condições adversas, como secas, inundações e
outros distúrbios climáticos.
SO5: Implementar e testar o sistema de previsão em casos reais de
clientes, fornecendo validação prática de sua utilidade e eficácia.

Em conjunto, esses esforços permitirão que os agricultores tomem decisões
decisões informadas que otimizem suas operações e garantam o uso sustentável dos recursos.
recursos agrícolas.

RESULTADOS 2024

A NAX AGTECH, S.L. iniciou e avançou nesse período de 2024 a
projeto "Modelagem de culturas para a otimização de processos agrícolas
dentro da estrutura da agricultura sustentável por meio do uso de imagens
Satélites e aprendizado de máquina", concentrando seus esforços em diferentes
pacotes, com dois pacotes principais tendo o maior peso: o gerenciamento e a disseminação
e o estudo do estado da arte. Com relação ao gerenciamento do
projeto, foram definidos objetivos gerais e específicos, e o projeto foi
desenvolveu um cronograma detalhado para cada pacote de trabalho. A equipe
tem realizado reuniões semanais para analisar o progresso e ajustar
estratégias conforme necessário.
No segundo pacote de trabalho, relacionado ao estudo sobre o status do
publicações científicas e industriais foram coletadas e analisadas.
relevantes, priorizando técnicas avançadas, como GANs, modelos híbridos
RF+DNN e tecnologias hiperespectrais. Os desafios foram identificados e
oportunidades, como a correlação de índices espectrais com o desempenho
de culturas em regiões de nuvens e terras secas, e o potencial de aprendizado
para modelos híbridos.