Um olhar para a planta.
Uma câmera registra imagens, e o programa examina cores e formas para apoiar a observação do cultivo.
Conheça o sistema ↗Do Colégio Militar de Juiz de Fora para o campo
Ciência que cultiva
possibilidades.
Tecnologia que ajuda a cuidar da plantação. O LEAF combina uma câmera para observar plantas, um sistema de aplicação direcionada e pesquisa de um bioagrotóxico de origem vegetal.
Low-Cost Ecological AgroCare
Framework
Conheça o projeto por dentro Repositório aberto no GitHub ↗
LEAF / VISÃO COMPUTACIONALPROTÓTIPO
01 / OBSERVAR · ANALISAR · DIRECIONARDiagrama ilustrativo
01
Visão computacionalEnxergar para compreender
02
Automação acessívelConectar software e mecanismo
03
Pesquisa ecológicaInvestigar antes de aplicar
01 / A ideia que nos move
Cuidado com a plantação.
Ao alcance do produtor.
O LEAF foi pensado para pequenos e médios agricultores. A proposta é observar melhor a plantação, ajudar a direcionar a aplicação e reunir informações úteis para cuidar do cultivo.
Uma ideia que conecta diferentes saberes
Da observação da planta
Da observação da planta
ao cuidado com o cultivo.
O LEAF nasce no Colégio Militar de Juiz de Fora e reúne programação, eletrônica e pesquisa agrícola em uma mesma proposta: aproximar ferramentas de cuidado e aplicação direcionada da realidade de pequenos e médios produtores.
Ler a apresentação completa ↗- Para quem
- Pequenos e médios agricultores
- Onde nasceu
- Colégio Militar de Juiz de Fora · MG
- O que conecta
- Imagens, automação e bioagrotóxico
- Como conhecer
- Documentação e materiais abertos
Uma mistura do próprio projeto.
Nim, própolis, cravo, alho e cebola, pimenta e sabão potássico compõem a receita registrada pela equipe.
Explore o assistente ↗Tecnologia na aplicação.
Computador, controlador, motores e bombas se conectam na proposta de um borrifador com aplicação direcionada.
Veja os materiais ↗
O LEAF também é notíciaCiência feita na escola, compartilhada com o público.
Desafio Global do Conhecimento reúne 15 colégios militares, em Brasília
A reportagem apresenta o LEAF entre os projetos do evento e destaca a proposta dos estudantes do CMJF: combinar análise por câmera e pesquisa de manejo ecológico para atender pequenos e médios agricultores.
Por Yandra Martins · Prévia editorial resumida pelo LEAF
Na seção dedicada ao projeto, Henrique Barreto Costa e Luiz Guilherme Caovilla explicam a observação de plantas e possíveis pragas por imagem. A matéria também descreve a ideia de um aplicativo para consultar formulações conforme a ocorrência e acompanhar cuidados de uso.
Resumo do trecho sobre o LEAF; a reportagem completa está disponível no jornal. Esta prévia já faz parte da página e não precisa acessar o site do Correio para aparecer.
02 / Da imagem ao movimento
A câmera observa.
O sistema direciona.
Veja como as partes do LEAF trabalham juntas: da imagem da planta ao controle do borrifador.
01 / A entrada do sistema
Tudo começa pela observação.
A câmera fornece imagens das plantas. Enquadramento, iluminação e qualidade da captura influenciam as informações disponíveis para o processamento.
Câmera → Aplicação Python
Como a imagem é analisada
O programa observa cores e formas para encontrar características das plantas na imagem. Quem cuida da lavoura confere os sinais e decide o manejo com orientação. Os detalhes de programação estão na documentação.
Explorar a documentação ↗03 / Assistente para o agricultor
A receita do LEAF.
Explicada passo a passo.
Conte o que você planta e o que está vendo. O assistente calcula as medidas da mistura original do LEAF e organiza os cuidados para o seu cultivo.
SUA FICHA LEAFRECEITA DO PROJETO
Do projeto para a sua consulta
A mistura do LEAF,
com cada medida à vista.
Veja a quantidade de cada ingrediente, entenda o papel da mistura e leve uma ficha do seu cultivo para quem orienta o uso.
Nim · Própolis · CravoAlho e cebola · Pimenta · Sabão potássicoReceita original da equipe, disponível nos documentos do projeto. As medidas
são da mistura concentrada.
Concentrado é a mistura-base. Diluir é acrescentar água na medida orientada para o uso. Não aplique o concentrado puro; siga as orientações para sua planta, sua situação e a colheita.
De onde vem a receita e como a ficha é personalizada?
A composição vem da tabela “Preparação do agrotóxico (1L)”, no artigo da Feira de 2025. A ficha ajusta as medidas à quantidade escolhida e adapta os cuidados à planta, aos sinais, à fase de crescimento e à extensão do problema. As proporções dos ingredientes são preservadas.
Os relatos do projeto também comparam versões com e sem própolis. A receita quantitativa apresentada aqui é a que inclui própolis. A intensidade do problema muda a prioridade de atendimento e as observações; não aumenta automaticamente a concentração.
Consultar os documentos usados na ficha ↗04 / Biblioteca aberta do LEAF
O projeto, organizado.
O conhecimento, acessível.
Escolha por onde começar. Reunimos os principais acessos para você encontrar a apresentação, a receita, os artigos e os registros sem precisar procurar pasta por pasta.
COMECE POR AQUI
Conheça o projeto
Objetivos, arquitetura e história do LEAF em português.
BIOAGROTÓXICOReceita e composição
Ingredientes, documentos de origem e informações da fórmula LEAF.
ARTIGO DO PROJETOA pesquisa em detalhe
Materiais, métodos, discussão e apresentação do trabalho.
REGISTROS DOS TESTESAcompanhe os experimentos
Consulte as observações registradas pela equipe durante os ensaios.
PARA APRESENTARBanners e materiais visuais
Conheça os materiais usados para compartilhar o LEAF em feiras e eventos.
TODOS OS ARQUIVOSExplore os documentos do projeto
Artigos, roteiros, apresentações e outros documentos do projeto.
Os documentos abrem em uma nova aba no GitHub. Para salvar um arquivo, use a opção de download na página dele.
Conheça o caminho da pesquisa
Uma ideia que ganha forma.
-
01Investigar
Reunir referências e definir a proposta de cuidado agrícola.
-
02Construir
Conectar a análise de imagens ao mecanismo de aplicação.
-
03Registrar
Documentar os ensaios e organizar as observações da equipe.
-
04Compartilhar
Apresentar o trabalho em artigos, feiras e materiais abertos.
05 / As pessoas por trás da pesquisa
Curiosidade em comum.
Conhecimento em construção.
Uma iniciativa estudantil do Colégio Militar de Juiz de Fora, desenvolvida com orientação e colaboração interdisciplinar.
Henrique Barreto Costa
Henrique Barreto Costa é natural de Juiz de Fora, Minas Gerais, e estuda no Colégio Militar de Juiz de Fora, onde ingressou em 7º lugar no concurso de admissão. Tem interesse em ciências exatas, robótica e tecnologia aplicada à sustentabilidade. Ao longo de sua trajetória escolar, participou de feiras científicas e competições acadêmicas, incluindo a Feira de Ciências, Arte e Cultura do CMJF e o Desafio Global do Conhecimento. Entre seus principais resultados estão o título de vice-campeão regional de Robótica de Resgate, o campeonato na feira científica do CMJF e o 3º lugar na categoria Ciências Agrárias, Humanas e Sociais Aplicadas do Desafio Global do Conhecimento. Também conquistou medalhas na OBMEP, na OBR de Resgate e na OBR Teórica, prata na Olimpíada Brasileira de Ciência, Inovação e Tecnologia, ouro na Olimpíada Internacional do Oceano e medalhas nacionais e regionais na Olimpíada Internacional de Matemática Sem Fronteiras. Participa de iniciativas de iniciação científica e de projetos de pesquisa e inovação no colégio.
Luiz Guilherme Caovilla
Luiz Guilherme Caovilla é natural de Juiz de Fora, Minas Gerais, e estuda no Colégio Militar de Juiz de Fora. Tem interesse em seguir carreira nas ciências exatas e na engenharia. Sua trajetória acadêmica inclui participações em edições do Desafio Global do Conhecimento, da Feira de Ciências, Arte e Cultura do CMJF e em competições regionais e estaduais de Robótica de Resgate. Entre suas principais conquistas estão o 1º lugar geral na feira científica do CMJF, na categoria Multidisciplinar; o 1º lugar na categoria Ciências em outra edição da feira; o 3º lugar nessa categoria em uma edição anterior; e o 2º lugar na Olimpíada Brasileira de Robótica de Resgate Regional. Também recebeu Mérito Estadual na Olimpíada Brasileira de Robótica Teórica. Seu percurso destaca a participação em atividades científicas e competições escolares, com interesse em matemática aplicada, ciências e robótica.
Guilherme Marins Maciel
Guilherme Marins Maciel é doutor em Engenharia Elétrica pela Universidade Federal de Juiz de Fora (UFJF), graduado em Engenharia Elétrica com ênfase em Robótica e Automação pela mesma universidade e licenciado em Matemática pelo Claretiano. Sua experiência acadêmica e profissional abrange otimização, aprendizado de máquina (Machine Learning), robótica educacional e assistiva e matemática básica. Participou do Grupo de Robótica Inteligente (GRIn) e do Grupo de Otimização e Heurística Bio-Inspirada (GOHB), da UFJF, e atuou em projetos de inovação em Machine Learning na INESC P&D Brasil e na startup RoboticTech. É militar e professor no Colégio Militar de Juiz de Fora, onde ministra aulas de Robótica e desenvolve projetos de iniciação científica. Também orienta estudantes em projetos que participam de feiras e competições tecnocientíficas, inclusive em âmbito nacional.
Phelippe Nathaniel Ribeiro Oliveira
Phelippe Nathaniel Ribeiro Oliveira é natural de Juiz de Fora, Minas Gerais. É graduado em Letras, mestre em Linguística pela Universidade Federal de Juiz de Fora (UFJF) e doutor em Estudos Linguísticos pela Universidade Federal de Minas Gerais (UFMG), com estágio doutoral na York University, em Toronto, Canadá. Atua como professor do Ensino Básico, Técnico e Tecnológico e leciona língua inglesa no Colégio Militar de Juiz de Fora, onde também exerce funções de assessoramento e coordenação pedagógica. Sua atuação profissional se concentra no incentivo à pesquisa e à iniciação científica, na metodologia de pesquisa interdisciplinar e na orientação de projetos extraclasse, feiras de ciências, olimpíadas do conhecimento e programas de certificação linguística internacional. Entre seus reconhecimentos estão a aprovação em 1º lugar no concurso público para vaga EBTT, a primeira colocação nas seleções de mestrado e doutorado, a indicação interna da UFMG à seleção do prêmio CAPES de melhor tese, o diploma de Amigo do Colégio Militar, o prêmio Professor Destaque e a Medalha Exército Brasileiro. Segue atuando no ensino, na coordenação pedagógica e no incentivo à pesquisa escolar.
Antes de começar
Boas perguntas
fazem parte.
O assistente fornece receitas com medidas?
Sim. O assistente mostra a composição original do concentrado LEAF e calcula as medidas para a quantidade escolhida. Também organiza os cuidados conforme a planta, os sinais e a fase do cultivo.
As receitas são fórmulas próprias do LEAF?
Sim. A receita vem do artigo da Feira de 2025, disponível nos documentos do projeto. Ela reúne extrato de nim, própolis, óleo de cravo, extrato combinado de alho e cebola, pimenta-malagueta e sabão potássico.
O site analisa fotos ou identifica pragas automaticamente?
O assistente usa as informações selecionadas no formulário. A análise de imagens faz parte do aparelho do projeto. Nesta página, você informa os sinais observados; a ficha ajuda a organizar essas informações e as medidas da receita.
Posso usar mais concentrado quando há mais pragas?
Não aumente por conta própria. A quantidade de água e de LEAF para pulverizar deve seguir a orientação de uso para sua situação. O assistente usa a intensidade para organizar a atenção ao problema, sem alterar sozinho a concentração.
Posso salvar e usar sem internet?
O cálculo e a prévia da notícia não consultam serviços externos. Você pode copiar o plano, baixá-lo como texto ou usar a impressão do navegador para salvar um PDF. Uma cópia local dos arquivos do site também funciona sem internet; links para documentos, lojas e a notícia completa precisam de conexão.