Cookies
O website necessita de alguns cookies e outros recursos semelhantes para funcionar. Caso o permita, o INESC TEC irá utilizar cookies para recolher dados sobre as suas visitas, contribuindo, assim, para estatísticas agregadas que permitem melhorar o nosso serviço. Ver mais
Aceitar Rejeitar
  • Menu
Sobre

Sobre

Filipe Neves dos Santos nasceu em São Paio de Oleiros, em Portugal, em 1979. Doutorado em engenharia eletrotécnica e computadores (2014) pela Faculdade de Engenharia da Universidade do Porto (FEUP), Mestrado em engenharia eletrotécnica e computadores – automação e robótica (2007) pelo Instituto Superior Técnico (IST) da Universidade Técnica de Lisboa, licenciado em engenharia eletrotécnica e computadores (2003) pelo Instituto Superior de Engenharia do Porto (ISEP). Profissionalmente é apaixonado pela investigação e desenvolvimento de soluções robóticas e automatização que permitam resolver problemas reais, desejos e necessidades da nossa sociedade e contribuir para a autossustentabilidade e justiça da economia global. Neste momento a sua principal linha de investigação centra-se no desenvolvimento de soluções robotizadas para o setor agrícola e florestal, onde é necessária uma maior eficiência para a nossa autossustentabilidade mundial. Em 2013, considerando a realidade de Portugal e os principais roteiros de inovação, estruturou um roteiro de investigação centrado no desenvolvimento de robótica e sistemas inteligentes para o contexto agrícola e florestal. Nomeadamente, em contextos de declive acentuado e sem acesso a GPS/GNSS, onde são requeridas a execução de tarefas tais como: monitorização (por terra), pulverização de precisão, logística, poda e colheita seletiva. A execução eficiente destas tarefas depende em grande parte da robustez dos sistemas robóticos específicos, tais como:  Perceção visual;- Navegação (localização, mapeamento e planeamento de caminhos seguros); e  Manipulação e ferramentas especificas. A sua formação em engenharia MSc (fusão sensorial e GPS/GNSS), PhD (mapeamento e localização semântica), experiência de 4 anos como empreendedor (startup tecnológica), participação e coordenação de projetos de investigação na área da robótica durante mais de 12 anos, 5 anos de experiência em tarefas de contabilidade e gestão (empresa familiar), e 6 anos como técnico de eletrónica fornecerão o saber saber e saber fazer para que possa contribuir para o sucesso do futuro da robótica agrícola.

Tópicos
de interesse
Detalhes

Detalhes

031
Publicações

2022

Localization and Mapping on Agriculture Based on Point-Feature Extraction and Semiplanes Segmentation From 3D LiDAR Data

Autores
Aguiar, AS; dos Santos, FN; Sobreira, H; Boaventura Cunha, J; Sousa, AJ;

Publicação
FRONTIERS IN ROBOTICS AND AI

Abstract
Developing ground robots for agriculture is a demanding task. Robots should be capable of performing tasks like spraying, harvesting, or monitoring. However, the absence of structure in the agricultural scenes challenges the implementation of localization and mapping algorithms. Thus, the research and development of localization techniques are essential to boost agricultural robotics. To address this issue, we propose an algorithm called VineSLAM suitable for localization and mapping in agriculture. This approach uses both point- and semiplane-features extracted from 3D LiDAR data to map the environment and localize the robot using a novel Particle Filter that considers both feature modalities. The numeric stability of the algorithm was tested using simulated data. The proposed methodology proved to be suitable to localize a robot using only three orthogonal semiplanes. Moreover, the entire VineSLAM pipeline was compared against a state-of-the-art approach considering three real-world experiments in a woody-crop vineyard. Results show that our approach can localize the robot with precision even in long and symmetric vineyard corridors outperforming the state-of-the-art algorithm in this context.

2022

Unscrambling spectral interference and matrix effects in Vitis vinifera Vis-NIR spectroscopy: Towards analytical grade ‘in vivo’ sugars and acids quantification

Autores
Martins, RC; Barroso, TG; Jorge, P; Cunha, M; Santos, F;

Publicação
COMPUTERS AND ELECTRONICS IN AGRICULTURE

Abstract

2022

Benchmark of Deep Learning and a Proposed HSV Colour Space Models for the Detection and Classification of Greenhouse Tomato

Autores
Moreira, G; Magalhaes, SA; Pinho, T; dos Santos, FN; Cunha, M;

Publicação
AGRONOMY-BASEL

Abstract
The harvesting operation is a recurring task in the production of any crop, thus making it an excellent candidate for automation. In protected horticulture, one of the crops with high added value is tomatoes. However, its robotic harvesting is still far from maturity. That said, the development of an accurate fruit detection system is a crucial step towards achieving fully automated robotic harvesting. Deep Learning (DL) and detection frameworks like Single Shot MultiBox Detector (SSD) or You Only Look Once (YOLO) are more robust and accurate alternatives with better response to highly complex scenarios. The use of DL can be easily used to detect tomatoes, but when their classification is intended, the task becomes harsh, demanding a huge amount of data. Therefore, this paper proposes the use of DL models (SSD MobileNet v2 and YOLOv4) to efficiently detect the tomatoes and compare those systems with a proposed histogram-based HSV colour space model to classify each tomato and determine its ripening stage, through two image datasets acquired. Regarding detection, both models obtained promising results, with the YOLOv4 model standing out with an F1-Score of 85.81%. For classification task the YOLOv4 was again the best model with an Macro F1-Score of 74.16%. The HSV colour space model outperformed the SSD MobileNet v2 model, obtaining results similar to the YOLOv4 model, with a Balanced Accuracy of 68.10%.

2022

Collision avoidance considering iterative Bézier based approach for steep slope terrains

Autores
Santos, LC; Santos, FN; Valente, A; Sobreira, H; Sarmento, J; Petry, M;

Publicação
IEEE ACCESS

Abstract

2022

SCARA Self Posture Recognition Using a Monocular Camera

Autores
Tinoco, V; Silva, MF; Santos, FN; Morais, R; Filipe, V;

Publicação
IEEE ACCESS

Abstract

Teses
supervisionadas

2020

Grasping and manipulation with active perception for open-field agricultural robotics

Autor
Sandro Augusto Costa Magalhães

Instituição
UP-FEUP

2020

Advanced 2.5D Path Planning for agricultural robots

Autor
Luís Carlos Feliz Santos

Instituição
UTAD

2020

Localization and Mapping based on Semantic and Multi-Layer Maps Concepts

Autor
André Silva Pinto de Aguiar

Instituição
UP-FEUP

2018

Design and construction of cost effective VTOL drone for agricultural and forestry application

Autor
Ahmad Safaee

Instituição
UP-FEUP

2018

Técnicas avançadas de monitorização em aplicações de agricultura de precisão

Autor
Jorge Miguel Ferreira da Silva Mendes

Instituição
UTAD