O controle de plantas daninhas na agricultura é essencial para a eficiência da produção. O controle químico é o mais eficaz dentre os métodos existentes, porém recomenda-se a aplicação de herbicidas de forma integrada devido ao impacto ambiental que causam. A pulverização aérea, causa deriva de produtos no ambiente, atingindo, além da plantação, rios e casas próximos à área cultivada. Na aplicação terrestre, a pulverização atinge a planta daninha, a terra e a cultura, causando desperdício de produto e contaminando o alimento. Com o avanço da computação e da Inteligência Artificial (IA), a literatura apresenta vários algoritmos para detecção de plantas daninhas através de imagens da plantação, área denominada Visão de Máquina. Uma subárea da IA são os algoritmos de aprendizado supervisionado, que possuem parâmetros determinados (treinados) a partir de um conjunto de dados previamente conhecido. Esses dados são submetidos ao algoritmo para definição dos parâmetros, a partir dos atributos de pixels selecionados que melhor classificam os pixels pertencentes à classe “planta daninha”. Posteriormente, o algoritmo é
capaz de processar qualquer amostra e classificá-la dentre as classes treinadas. O objetivo deste trabalho é desenvolver um sistema robotizado com visão computacional para eliminação de plantas daninhas na agricultura. O projeto integra um protótipo de um robô de arquitetura paralela do tipo Delta, um sistema de visão utilizando sensor de imagem e a biblioteca de software OpenCv. O robô possui software próprio para controle de sua movimentação, que foi revisado e recebeu novas rotinas para a integração com o sistema de visão. Foi desenvolvido uma rotina de software de algoritmo supervisionado para reconhecimento das plantas daninhas. Conclui-se que o robô delta é versátil pois, além de aplicar herbicidas, pode ser adaptado para retirar plantas daninhas ou mesmo colher frutos com o auxílio de rotinas de software e algoritmos de IA.

Palavras-chave: planta daninha, robô delta, visão computacional