Fundada em 25 de outubro 2021, a Seed4Seed é uma startup brasileira sediada em Campos dos Goytacazes no estado do Rio de Janeiro. Especializa-se na automação do controle de qualidade de sementes por meio de inteligência artificial (IA). Seu principal produto, o aplicativo I4Seed, permite a análise precisa e rápida de lotes de sementes através de imagens digitais capturadas por dispositivos móveis. Essa tecnologia reduz significativamente o erro humano e elimina a subjetividade nas avaliações, fornecendo relatórios detalhados e rastreabilidade completa das análises.

A empresa foi fundada pelas irmãs Isabela e Mariá Amorim, ambas com formação em zootecnia e experiência no meio acadêmico. Elas enfrentaram desafios significativos em um setor predominantemente masculino, especialmente no agronegócio. Mariá, por exemplo, defendeu sua tese de doutorado no final da gestação e iniciou sua trajetória empreendedora com o filho ainda pequeno. Essas experiências reforçaram o compromisso da Seed4Seed em promover a inclusão feminina no mercado de trabalho, buscando ativamente contratar pesquisadoras e implementar políticas afirmativas para mulheres.

O intuito desse projeto na parceria da Seed4Seed com a KXC foi para viabilizar a utilização de ferramentas internas da Amazon Web Services (AWS) em sua ferramenta de análise e qualificação de imagens das sementes, utilizando o alto potencial computacional que possuímos na nuvem da AWS, facilitando e trazendo novas possibilidades no âmbito da análise das sementes.

Utilizar do Amazon Sagemaker para tratamento e análise das imagens.

Em parceria, as equipes dos Arquitetos de Soluções da KXC, Parceiro APN de nível Advanced, e da Seed4Seed iniciaram um projeto para tratar, analisar e processar as imagens das sementes e otimizar suas operações usando os recursos da AWS.

Inicialmente houve a utilização dos serviços AWS, como o Sagemaker, Load Balancer, Simple Queue Service (SQS), Lambda, ECS Fargate e Simple Storage Service (S3), além do monitoramento através do CloudWatch.

Para que o projeto fosse altamente escalável e disponível, o backend foi construído em cima do ECS Fargate onde recebe as chamadas de API, realiza a invocação da função Lambda para ser chamado através do endpoint do Sagemaker, que irá fazer todo o processamento das imagens que foram enviadas para o bucket do S3 pelo usuário. Após a análise estar completa, uma outra função Lambda envia o resultado da análise através de um webhook e além disso, o resultado das análises ficam armazenadas no bucket do S3 para segurança das análises, e tanto as imagens que são usadas para o treinamento do modelo quanto as imagens dos usuários em produção são mantidas nesse bucket.