Inovações no agronegócio no âmbito da Rota Bioceânica

Autores

DOI:

https://doi.org/10.20435/inter.v25i1.4239

Palavras-chave:

Rota Bioceânica, Pecuária de Precisão, Agronegócio, Inovação, Tecnologia

Resumo

A Rota Bioceânica conecta Brasil, Paraguai, Argentina e Chile. Ela pode ser considerada a maior obra de infraestrutura da América Latina e tem o potencial de reduzir o custo do transporte de mercadorias entre os quatro países e continentes. Além disso, o agronegócio é uma atividade de grande importância econômica para o Brasil e para o estado de Mato Grosso do Sul que pode ser um protagonista neste processo. A pecuária, em particular, é uma atividade importante na região, pelo valor representativo na economia do Estado. Assim, a Rota Bioceânica tem o potencial de impulsionar o desenvolvimento do agronegócio na região. A rodovia facilitará o transporte de produtos agrícolas entre os países da região, o que tornará os produtos brasileiros mais competitivos no mercado internacional. Além disso, a rodovia facilitará a entrada de novas tecnologias no setor agrícola, o que ajudará a melhorar a produtividade e a eficiência das fazendas. Este artigo tem como objetivo discutir inovações no agronegócio no âmbito da Rota Bioceânica, com foco na pecuária de precisão. Além disso, abordamos que a Rota Bioceânica, com seu potencial, pode ser uma rede que fortaleça e intensifique o desenvolvimento do comércio intrarregional. Justamente, após essa contextualização, destacamos a importância de se analisar a criação de Polos de Inovação e Tecnologias aplicadas à pecuária de precisão.

Biografia do Autor

Vanessa Weber, UEMS

Doutora em Ciências Ambientais e Sustentabilidade Agropecuária pela Universidade Católica
Dom Bosco (2020). Possui Mestrado em Computação Aplicada pela Universidade Federal de
Mato Grosso do Sul (2015), Especialização em Gestão Pública pela Universidade Federal de
Mato Grosso do Sul (2008) e graduação em Análise de Sistemas pela Universidade Federal de
Mato Grosso do Sul (2000).

 

Nelagley Marques, Kerow Soluções de Precisão, Campo Grande, Mato Grosso do Sul, Brasil

Doutora em Letras pela Universidade de São Paulo (USP). Mestra em Letras pela Universidade Estadual
de Mato Grosso do Sul (UEMS). Realizou Estágio Pós-doutoral na Universidad Nacional de Jujuy na
Argentina. Possui especialização em Tendências Contemporâneas do Ensino da Língua Inglesa pela
Universidade para o Desenvolvimento do Estado e da Região do Pantanal (UNIDERP) e Graduação em
Letras - Licenciatura Plena e Bacharelado pela mesma universidade. Autora das obras "Da formação
continuada de professores aos momentos de tensão em sala de aula: Rizoma, Emergência e Letramentos";
"Quem quer ser professor? Série de estudos sobre a atratividade da carreira docente e Quem quer ser
professor?: mobilizando saberes e construindo sentidos sobre a carreira docente. Autora de dois
Referenciais Curriculares de Língua Inglesa dos anos iniciais e finais do Ensino Fundamental e da
Educação de Jovens e Adultos (EJA) da Rede Municipal de Ensino. Trabalhou como professora
formadora da Rede Municipal de Ensino de Campo Grande-MS, por 12 anos. Atuou como leitora crítica
na produção dos Cadernos de Formação de Professores da segunda etapa do Pacto Nacional pelo
fortalecimento do Ensino Médio. Atualmente, trabalha na Gestão do Projeto UEMS na Rota
Bioceânica/RILA. É pesquisadora do Núcleo de Pesquisa em Estudos de Linguagem e Linguística
Aplicada/UEMS. É assessora pedagógica do Projeto KUBMAKER.

 

Referências

ASSOCIAÇÃO BRASILEIRA DAS INDÚSTRIAS EXPORTADORAS DE CARNES [ABIEC]. Perfil da pecuária no Brasil: relatório anual. Brasília, DF: ABIEC, ago. 2021.

ABRITA, M. B.; VIGNANDI, R. S.; CENTURIÃO, D. A. S.; RONDINA NETO, A.; PEREIRA, A. P. C.; ESPINDOLA JUNIOR, G.; MARQUES, N.; WEBER, V. A. M.; MACIEL, R. F. Dynamics of local productive arrangements in the municipalities of Mato Grosso do Sul considering the transformations of the Bioceanic Corridor. [S.l.]: PLoS ONE, 2023.

ASATO, T. A.; MARQUES, H. R.; BUZARQUIS, R. M.; BORGES, P. P. Rota de Integração Latino-Americana (RILA) para o desenvolvimento turístico. Interações. Campo Grande, MS, v. 20, n. especial, p. 45–56, 2019.

CAMILO PEREIRA, A. P., ABRITA, M. B.; FONSECA, R. O. Circulação, desenvolvimento econômico e ordenamento territorial: elementos teóricos para análises de pesquisas sobre a Rota de Integração Latino Americana, Confins [Online], 50, 2021. Disponível em: https://journals.openedition.org/confins/37445. Acesso em: 26 jun de 2021.

COMINOTTE, A. et al. Automated computer vision system to predict body weight and average daily gain in beef cattle during growing and finishing phases. Livestock Science, Amsterdam, n. 232, p. 103–904, 2020.

CRESTANA, S.; FRAGALLE, E. A trilha da quinta potência: um primeiro ensaio sobre ciência e inovação, agricultura e instrumentação agropecuária brasileiras. Revista Eixo, Brasília-DF, n. 1, 2012. Doi: http://dx.doi.org/10.19123/eixo.v1i1.8

FORSYTH, D. A.; PONCE, J. Computer vision – a modern approach. Paris: École Normale Superieure, 2012.

GJERGJI, M.; WEBER, V. A. M; SILVA, L. O. C.; GOMES, R. C.; ARAUJO, T. L. A. C.; PISTORI H. Deep learning techniques for beef cattle body weight prediction. In: INTERNATIONAL JOINT CONFERENCE NEURAL NETWORKS (IJCNN). IEEE, 2020. International Joint Conference on Neural Networks (IJCNN), [s.l.], 2020. p. 1–8.

GONÇALVES, D. N.; WEBER, V. A. M.; PISTORI, J. G. B.; GOMES, J. G. B.; ARAUJO, A. V.; PEREIRA, M. F.; GONÇALVES, W. N.; PISTORI, H. Carcass image segmentation using CNN-based methods. Information Processing in Agriculture, [s.l.], 2020.

GONZALEZ, R. C.; WOODS, R. E. Digital Image Processing. 2. ed. [S.l.]: Prentice-Hall, Upper Sadle River, 2002.

GOODFELLOW, I.; BENGIO, Y; COURVILLE, A. Deep Learning. Cambridge: MIT Press, 2016.

HALACHMI, I.; GUARINO, M. Editorial: Precision livestock farming: a ‘per animal’ approach using advanced monitoring technologies. Animal, Cambridge, v. 10, n. 9, 1482–83, 2016. doi: http://dx.doi.org/10.1017/S1751731116001142

HOVE, H. Critiquing sustainable development: a meaningful way of mediating the development impasse? Undercurrent, Seattle, v. 1, n. 1, p. 48–54, 2004.

JAHNE, B.; HAUBECKER, H. Computer vision and applications: a guide for students and practitioners. Academic Press, San Diego, 2000.

JUNG, S.; ARIYUR, K. B. Strategic cattle roundup using multiple quadrotor UAVs. International. Journal of Aeronautical and Space Sciences, Muan, n. 18, p. 315–26, 2017.

LATTIN, J.; CARROL, J. D.; GREEN, P. E. Análise de dados multivariados. CENGAGE Learning, São Paulo, 2011.

LECUN, Y.; BENGIO, Y.; HINTON, G. Deep learning. Nature, England, v. 521, n. 7553, p. 436–44, 2015.

LIU, X.; LIANG, W.; WANG, Y. L. I., S; PEI, M. 3D head pose estimation with convolutional neural network trained on synthetic images. Image Processing (ICIP). IEEE International Conference on, Phoenix, 2016, p. 1289–93, 2016.

MARTINS, M. A. R.; MITISHITA, E. A. Geração de ortofotos com abordagem do georreferenciamento direto de imagens digitais aéreas. Revista Brasileira de Cartografia, Uberlândia, v. 70, n. 1, 2018. ISSN 1808-0936.

MOLDAN, B.; JANOUAKOVÁ, S.; HÁK, T. How to understand and measure environmental sustainability: indicators and targets. Ecological Indicators, Praha, v. 17, p. 4-13, 2012.

MONARD, M. C.; BARANAUSKAS, J. A. Conceitos sobre aprendizado de máquina. São Paulo: Sistemas Inteligentes – fundamentos e aplicações, 2003.

NASIRAHMADI, A.; EDWARDS, S. A.; STURM, B. Implementation of machine vision for detecting behaviour of cattle and pigs. Livestock Science, Amsterdã, v. 202, p. 25–38, 2017.

OLIVEIRA JUNIOR, A. S..; SANT’ANA, D. A.; PACHE, M. C. B.; GARCIA, V.; WEBER, V. A. M.; ASTOLFI, G.; WEBER, F. L.; MENEZES, G. V.; MENEZES, G. K.; ALBUQUERQUE, P. L. F.; COSTA, C. S.; QUEIROZ, E. Q. A.; ROZALES, J. V. A; FERREIRA, M. W.; NAKA, M. H.; PISTORI, H. Fingerlings mass estimation: a comparison between deep and shallow learning algorithms. Smart Agricultural Technology, [s.l.], p. 100020, 2021.

PRUGH, T.; ASSADOURIAN, E. What is sustainability, anyway? World Watch, Washington, v. 16, n. 5, 2003. p. 10–21.

SANT’ANA, D. A.; PACHE, M. C. B.; MARTINS, J.; SOARES, W. P.; MELO, S. L. N.; GARCIA, V.; WEBER, V. A. M.; HEIMBACH, N. S.; MATEUS, R. G.; PISTORI, H. Weighing live sheep using computer vision techniques and regression machine learning. Machine Learning with Applications, p. 100076, 2021.

SARTORI, S.; LATRONICO, F.; CAMPOS, L. M. Sustentabilidade e desenvolvimento sustentável: uma taxonomia no campo da literatura. Ambiente e Sociedade, São Paulo, v. 17, n. 1, 2014.

SZELISKI, R. Computer vision: algorithms and applications. Nova York: Springer, 2010.

WADA, K. labelme: Image Polygonal Annotation with Python. Cambridge, 2016.

WEBER, FL; WEBER, VAM; MENEZES, GV; OLIVEIRA JUNIOR, AS; ALVES, DA; OLIVEIRA, MVO; MATSUBARA, ET; PISTORI, H; ABREU, UGPA. Recognition of Pantaneira cattle breed using computer vision and convolutional neural networks. Computers and Electronics in Agriculture, Amsterdam, v. 175, p. 105548, 2020a.

WEBER, VAM; WEBER, FL; OLIVEIRA, AS; ASTOLFI, G; MENEZES, GV; PORTO, JVA; REZENDE, FPC; MORAES, PH; MATSUBARA, ET; MATEUS, RG; ARAÚJO, TLAC; SILVA, LOC; QUEIROZ, EQA; ABREU, UGPA; GOMES, RCG; PISTORI, H.. Cattle weight estimation using active contour models and regression trees Bagging. Computers and Electronics in Agriculture, Amsterdam, v. 179, p. 105804, 2020b.

WEBER, VAM; WEBER, FL; GOMES, RCG; OLIVEIRA JUNIOR, AS; MENEZES, GV; ABREU, UGPA; BELETE, NAS; PISTORI, H. Prediction of Girolando cattle live weight by means of body measurements extracted from images. Revista Brasileira de Zootecnia, Viçosa-MG, v. 49. 2020c.

WITTEN, I. H.; FRANK, E. Data Mining: practical machine learning tools and techniques. Amsterdam: Morgan Kaufmann, 2005.

Downloads

Publicado

2024-04-08

Como Citar

Weber, V., & Marques, N. (2024). Inovações no agronegócio no âmbito da Rota Bioceânica. Interações (Campo Grande), 25(1), e2514239. https://doi.org/10.20435/inter.v25i1.4239

Edição

Interações v. 25, n. 1, jan./mar. 2024 - Dossiê III: O papel da UniRila nos desafios da integração na Rota Bioceânica (Brasil, Paraguai, Argentina e Chile) - Parte 2

Seção

DOSSIÊ III: O PAPEL DA UNIRILA NOS "DESAFIOS DA INTEGRAÇÃO NA ROTA BIOCEÂNICA (BRASIL, PARAGUAI, ARGENTINA E CHILE)"

Licença

Copyright (c) 2023 Vanessa Weber, Nelagley Marques

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Direitos Autorais para artigos publicados nesta revista são do autor, com direitos de primeira publicação para a revista. Em virtude de aparecerem nesta revista de acesso público, os artigos são de uso gratuito, com atribuições próprias, em aplicações educacionais e não-comerciais.