PESQUISA PATENTÁRIA SOBRE AGRICULTURA DE PRECISÃO

INTRODUÇÃO: A agricultura de precisão representa uma inovação voltada à interação de tecnologias avançadas com intuito de otimizar e viabilizar a produção agrícola, através do uso eficiente de recursos e da sustentabilidade ambiental. Com o uso de ferramentas como inteligência artifical (AI), internet das coisas (IoT), Machine Learning (Aprendizado de máquina), e outras tecnologias, essa prática vem ganhando reconhecimento no contexto do agronegócio. Diante deste contexto, a pesquisa teve como objetivo realizar uma análise de artigos científicos e patentes voltadas à agricultura de precisão, buscando compreender as principais tecnologias emergentes e os focos de implementação em campo. Os procedimentos metodológicos foram divididos em duas etapas: uma análise bibliométrica a partir da base Scopus, analisando coocorrências de palavras-chave com o software VOSviewer; e uma análise quantitativa de 120 patentes coletadas na base de dados Espacenet, com o uso do software Iramuteq como suporte. A leitura bibliométrica revelou grandes áreas de destaque com termos como machine learning, remote sensing e crop yeld se destacando. Na análise patentária identificaram-se seis classes envoltas que abordam desde a estruturação físicas e mecânicas de dispositivos agrícolas até algoritmos aplicados à inserção de recursos. Houve destaque na China como maior número de publicações, indicando alto investimento em pesquisa no setor. A partir da análise foi possível identificar tendencias tecnológicas do mercado, além de revelar países e instituições com destaque no envolvimento do assunto. OBJETIVOS: Realizar uma análise de artigos científicos e patentes voltadas à agricultura de precisão, buscando compreender as principais tecnologias emergentes e os focos de implementação em campo. MATERIAIS E MÉTODO: Os procedimentos metodológicos foram divididos em duas etapas: uma análise bibliométrica a partir da base Scopus, analisando coocorrências de palavras-chave com o software VOSviewer; e uma análise quantitativa de 120 patentes coletadas na base de dados Espacenet, com o uso do software Iramuteq como suporte. RESULTADOS: A leitura bibliométrica revelou grandes áreas de destaque com termos como machine learning, remote sensing e crop yeld se destacando. Na análise patentária identificaram-se seis classes envoltas que abordam desde a estruturação físicas e mecânicas de dispositivos agrícolas até algoritmos aplicados à inserção de recursos. Houve destaque na China como maior número de publicações, indicando alto investimento em pesquisa no setor. CONSIDERAÇÕES FINAIS: A partir da análise foi possível identificar tendencias tecnológicas do mercado, além de revelar países e instituições com destaque no envolvimento do assunto.

PALAVRAS-CHAVE: Agricultura de precisão; Inteligência artificial; Machine learning.