Alimento suficiente para as vacas, sem desperdício, graças a computer vision
Floating Farm
IA no setor agroalimentar
Desenvolvemos modelos com dados já recolhidos no seu estábulo, estufa ou fábrica, desde a câmara até ao modelo funcional, como fizemos com computer vision para a Floating Farm.
Para a Floating Farm, utilizámos computer vision para acompanhar o processo de alimentação e reduzir o desperdício de ração
Para a primeira quinta flutuante do mundo, em Roterdão, fornecemos uma solução de dados end-to-end: desde a montagem e instalação das câmaras até à implementação de um modelo de computer vision que fornece informação em tempo real sobre o processo de alimentação.
Porque é que só descobrimos depois quanta ração, colheita ou matéria-prima se perdeu?
O robô de ordenha, o carro de distribuição de ração, o computador de controlo climático e o sistema de controlo da linha registam todos os dias o que acontece, mas os dados estão distribuídos por quatro fornecedores. Para perceber quanto se desperdiça, é preciso fazer as contas depois. Um modelo que reúne estas fontes mostra as perdas enquanto ainda é possível fazer ajustes.
No comedouro, na estufa e na linha de produção, um modelo acompanha o que acontece
O processo de alimentação em imagem
Para a Floating Farm, instalámos câmaras e implementámos um modelo de classificação de imagens que fornece informação em tempo real sobre o processo de alimentação, para reduzir o desperdício de ração.
Dados de cultivo numa única plataforma
Para a produtora de tomates Agro Care, estamos a criar uma plataforma de dados com um data warehouse em Databricks, para que todos os dados estejam disponíveis num local central para BI e data science.
Procura de produtos frescos
Um modelo utiliza dados de vendas, promoções e meteorologia para prever a procura de produtos com um prazo de validade curto, para que deite menos fora e tenha menos ruturas de stock.
Dados das suas próprias máquinas
O Data Act dá aos utilizadores o direito aos dados de máquinas conectadas, incluindo máquinas agrícolas. Analisamos que dados pode obter e estabelecemos a ligação.
Começamos por uma fonte de perdas no estábulo, na estufa ou na fábrica
-
Escolher uma fonte de perdas
Sobras de ração, perdas na cultura ou produtos rejeitados na linha: escolhemos uma dessas perdas e identificamos as máquinas que a medem.
-
Recolher e testar os dados
Recolhemos os dados junto dos fornecedores e testamos um modelo com dados de épocas anteriores ou de ciclos de produção.
-
Onde o agricultor já consulta a informação
O resultado aparece onde o criador de gado, o produtor agrícola ou o operador já trabalha, e verificamos se o modelo continua a ser fiável.
A nossa exploração agrícola ou fábrica regista dados suficientes para IA?
Adequado se
Um robô de ordenha, um sistema de alimentação, um computador de controlo climático, uma máquina de triagem ou um sistema de controlo da linha de produção já regista dados há anos, e há uma decisão recorrente sobre alimentação, cultivo, planeamento ou qualidade que hoje é tomada por intuição.
Não é adequado se
Há poucos dados registados, ou a informação existe apenas em papel e em folhas de cálculo dispersas. Nesse caso, deve começar pelo registo de dados e por um dashboard, não por um modelo, e dizemos-lhe isso.
O que determina a dimensão do projeto
O número de máquinas e fornecedores de onde vêm os dados, quantas épocas ou séries de produção constam do histórico, se já existe uma plataforma e quem ficará responsável pela gestão do modelo depois.
A quem pertencem os dados das nossas máquinas?
Muitas vezes, estão armazenados na nuvem do fornecedor. O Data Act dá aos utilizadores de produtos conectados o direito a esses dados, e os agricultores e horticultores gerem as suas autorizações através da JoinData.
Estábulo, estufa ou fábrica: onde podem os dados gerar valor primeiro?
Pecuária
Escolha esta opção se o robô de ordenha, o sistema de alimentação e os sensores já medem muitos parâmetros, como o consumo de ração e a produção de leite. Uma câmara capta o que os sensores não detetam; veja computer vision.
Cultivo e horticultura
Escolha esta opção se os dados climáticos, de cultivo e de colheita estiverem dispersos por sistemas diferentes. O nosso conselho: comece por uma única plataforma de dados. Assim, será possível fazer previsões mais tarde.
Indústria alimentar
Escolha esta opção se os sistemas de controlo da linha de produção, o laboratório e o ERP já registarem dados por lote. As rejeições, o prazo de validade e a procura dos clientes são então bons primeiros temas para um modelo.
Das câmaras no estábulo à plataforma de dados para a estufa: o nosso trabalho no setor agroalimentar
A Data Science Lab trabalha com dados e IA a partir de Amesterdão desde 2016, como parceira da Databricks e da Microsoft. Ajudámos a Floating Farm através da nossa iniciativa Data For Good e, para a Agro Care, desenvolvemos em Databricks.
A primeira conversa centra-se numa máquina e nos dados que já regista
Stef Stoelwinder
Desenvolvimento de NegócioStef é o seu primeiro ponto de contacto. Na primeira conversa, escolhemos uma fonte de perdas num estábulo, numa estufa ou numa fábrica e os dados associados.
E-mail info@datasciencelab.nl
Telefone +31 (0)20 3636 724
Que fonte de desperdício no estábulo, na estufa ou na fábrica quer identificar primeiro?
Descreva a fonte de perdas e as máquinas ou sistemas que já recolhem dados sobre ela. Respondemos por e-mail ou agendamos uma primeira conversa.
Mensagem enviada
Obrigado pela sua mensagem. Entraremos em contacto consigo o mais rapidamente possível.
Perguntas frequentes
A IA no setor agroalimentar significa que um modelo aprende com dados que agricultores, produtores hortícolas e empresas alimentares já recolhem: dados sobre alimentação e produção de leite, clima e colheitas em estufas, e lotes e resultados laboratoriais nas fábricas. Assim, pode detetar desperdício mais cedo, prever colheitas ou procura, ou usar uma câmara para ajudar a inspecionar produtos. Estas são algumas das aplicações de IA que desenvolvemos.
Os produtores e transformadores do nordeste de Brabante podem ler mais na nossa página sobre Den Bosch.
Mais do que utilizam. Num estábulo, os robôs de ordenha, os sistemas de alimentação e os sensores registam quanto come uma vaca e quanto leite produz. Numa estufa, os computadores de controlo climático, os registos das culturas e as máquinas de seleção recolhem dados sobre temperatura, rega e colheitas.
Os produtores de leite também preenchem anualmente o KringloopWijzer, uma ferramenta de cálculo da Wageningen University & Research. Em 2016, o setor dos laticínios tornou-o obrigatório para quem fornece leite a um membro da Nederlandse Zuivel Organisatie. Entre outros indicadores, apresenta o excedente de azoto e as emissões de amoníaco e de gases com efeito de estufa por quilo de leite.
Uma câmara vê o que um sensor não mede. Para a Floating Farm, instalámos câmaras e implementámos um modelo de classificação de imagens em tempo real para o processo de alimentação. Grande parte da ração vem de subprodutos urbanos, como bagaço de cerveja, farelo e cascas de batata, pelo que a alimentação muda todos os dias.
O desafio está na luz e na variação: as mudanças de luz natural, o pó e os novos tipos de alimento têm de estar incluídos no conjunto de treino. Saiba mais sobre computer vision.
O Regulamento Europeu dos Dados é aplicável desde 12 de setembro de 2025. Os utilizadores de produtos conectados, incluindo máquinas agrícolas, têm acesso aos dados em bruto e pré-processados gerados durante a utilização e podem partilhá-los com terceiros. Os dados derivados ou substancialmente enriquecidos ficam excluídos.
A JoinData é a plataforma de dados independente onde agricultores e produtores hortícolas gerem as suas autorizações: quem pode ver que dados. Cabe ao seu advogado avaliar o que isto significa para os seus contratos; nós analisamos a que dados é tecnicamente possível aceder.
No nosso artigo sobre dados na indústria de alimentos e bebidas, abordamos, entre outros temas, a previsão das preferências dos consumidores, a gestão de stocks e do desperdício em produtos com prazo de validade limitado e a partilha de informações sobre a origem dos produtos com os clientes.
Numa fábrica, o ponto de partida costuma ser os dados dos lotes provenientes dos sistemas de controlo da linha, do laboratório e do sistema ERP. Para prever a procura dos clientes, um modelo utiliza encomendas, promoções e dados meteorológicos; saiba mais sobre forecasting.
Monitorizando-o. Uma variedade diferente, um novo subproduto na ração ou uma alteração da receita mudam os dados de entrada, o que pode tornar os resultados menos precisos. A isto chama-se drift.
Defina antecipadamente quem recebe um alerta e quem aprova uma nova versão. Saiba como funciona a parte técnica na secção sobre MLOps. A gestão pode ficar a cargo da sua equipa ou da nossa, através da gestão e melhoria contínua.
Quando uma balança, uma regra fixa no computador de alimentação ou uma máquina de seleção por cor já mede aquilo que precisa de saber. Ou quando o objetivo é sobretudo saber o que aconteceu ontem: basta um dashboard Power BI com os dados existentes.
Se os dados sobre alimentação, colheitas ou lotes ainda estiverem em papel ou em folhas de cálculo separadas, comece pela fundação de dados. Se uma solução mais simples for adequada, dizemo-lo.
Aplicações, a indústria alimentar ou Brabant: o que vai ler a seguir?
- Aplicações de IAAs nossas aplicações de IA, desde data science e computer vision até business intelligence.
- Dados na indústria alimentar e de bebidasO que os dados podem trazer às marcas de alimentos e suplementos, desde o prazo de conservação até à origem.
- Consultor de IA em Den BoschComo ajudamos produtores, transformadores e fornecedores a reunir os seus dados de cultivo, das linhas de produção e de qualidade.