Acerca de sensores, de processamento de imagens e de aprendizado de máquina, julgue o próximo item. 

A utilização de câmeras estéreo permite a estimativa de profundidade por meio do cálculo de disparidade entre as imagens capturadas por dois sensores. 

Acerca de sensores, de processamento de imagens e de aprendizado de máquina, julgue o próximo item. 

A aplicação de técnicas de equalização de histograma em imagens melhora a uniformidade do contraste, o que facilita a extração de características para reconhecimento de padrões. 

Acerca de sensores, de processamento de imagens e de aprendizado de máquina, julgue o próximo item. 

Em ambientes externos, sensores ultrassônicos possuem melhor precisão de medição de profundidade que sensores LiDAR. 

Acerca de sensores, de processamento de imagens e de aprendizado de máquina, julgue o próximo item. 

A utilização de técnicas de aprendizado não supervisionado, como clustering, pode identificar padrões em dados visuais sem a necessidade de grandes conjuntos de dados rotulados. 

Julgue o item subsequente, relativo a atuadores elétricos e a estabilidade e controle de drones.

Atuadores elétricos, especialmente os servomotores brushless, são preferidos em aplicações que demandem alta precisão e controle dinâmico, devido à sua resposta rápida e precisão de posicionamento.  

Julgue o item subsequente, relativo a atuadores elétricos e a estabilidade e controle de drones.

Para drones, o aumento da massa total, acompanhado de motores mais potentes, resulta automaticamente em maior estabilidade de voo. 

Com relação a algoritmos de busca, simulação robótica, sistemas operacionais para robôs e ferramentas de depuração, julgue o item seguinte. 

A aplicação do algoritmo A* em espaços contínuos não requer nenhuma forma de discretização, podendo operar diretamente sobre o espaço de estados.

Com relação a algoritmos de busca, simulação robótica, sistemas operacionais para robôs e ferramentas de depuração, julgue o item seguinte. 

O simulador Gazebo integra dados de sensores simulados, como LiDAR e câmeras, com motores de física avançados, o que permite a replicação realista do comportamento de sistemas robóticos em ambientes virtuais. 

Julgue o item que se segue, a respeito de interpolação espacial, índices espectrais e classificação de imagens. 

Dados hiperespectrais têm menor resolução espectral que dados multiespectrais. 

Julgue o item que se segue, a respeito de interpolação espacial, índices espectrais e classificação de imagens. 

A interpolação espacial por krigagem melhora a precisão da modelagem da variabilidade do solo apenas quando há um número adequado de pontos amostrais distribuídos uniformemente. 

Julgue o item que se segue, a respeito de interpolação espacial, índices espectrais e classificação de imagens. 

A segmentação por objetos (GEOBIA) é menos eficaz que a classificação pixel a pixel em imagens de alta resolução. 

Julgue o item que se segue, a respeito de interpolação espacial, índices espectrais e classificação de imagens. 

O índice NDWI (Normalized Difference Water Index) é calculado usando-se bandas do infravermelho médio. 

Considerando a contribuição de metodologias computacionais para o monitoramento das culturas agrícolas via imagens aéreas, julgue o item subsequente. 

Imagens capturadas por satélites ou aeronaves convencionais têm resolução espacial maior que imagens obtidas de veículos aéreos não tripulados que operam em altitudes mais baixas. 

Considerando a contribuição de metodologias computacionais para o monitoramento das culturas agrícolas via imagens aéreas, julgue o item subsequente. 

O satélite Sentinel-2A/MSI, do Programa Copernicus da Agência Espacial Europeia, disponibiliza gratuitamente dados geoespaciais, incluindo imagens multiespectrais com alta resolução espectral, característica que proporciona uma vantagem significativa para o monitoramento dos ciclos agrícolas. 

Considerando a contribuição de metodologias computacionais para o monitoramento das culturas agrícolas via imagens aéreas, julgue o item subsequente. 

As aplicações de inteligência artificial na agricultura envolvem, entre outros aspectos, a utilização de imagens de satélites para monitoração do estresse das culturas, como déficit hídrico, doenças das plantas, pragas agrícolas e ervas daninhas. 

A respeito do uso de sensoriamento remoto e sensores terrestres na gestão de culturas agrícolas, julgue o item a seguir. 

Sensores hiperespectrais não conseguem detectar doenças nas plantas antes que os sintomas estejam visíveis. 

A respeito do uso de sensoriamento remoto e sensores terrestres na gestão de culturas agrícolas, julgue o item a seguir. 

As imagens hiperespectrais e térmicas oferecem informações importantes sobre o estresse hídrico das plantas e a variabilidade da umidade do solo, o que auxilia a gestão da irrigação.

A respeito do uso de sensoriamento remoto e sensores terrestres na gestão de culturas agrícolas, julgue o item a seguir. 

Sensores térmicos são úteis para estimar a taxa de evapotranspiração das culturas agrícolas. 

A respeito do uso de sensoriamento remoto e sensores terrestres na gestão de culturas agrícolas, julgue o item a seguir. 

Sensores hiperespectrais não distinguem tipos de estresse nas plantas.

Acerca de estimativa e mapeamento da produtividade de culturas, julgue o próximo item. 

Modelos estatísticos são inadequados para a previsão da produtividade agrícola devido à alta variabilidade de fatores ambientais.