Pesquisa da Embrapa Agricultura Digital desenvolve análise por imagem de plantações com ajuda de aprendizado de máquina

Por Eduarda Abrantes, Gustavo Costa, João Gorreri e Stella Miranda

Uma pesquisa conjunta da Embrapa Agricultura Digital, a InnerEye, empresa israelense, e a Macnica DHW, empresa japonesa, está inovando o campo da agronomia ao utilizar inteligência artificial para detectar precocemente doenças em plantações de soja.

Segundo o pesquisador Jayme Garcia Arnal Barbedo, da Embrapa Agricultura Digital, o estudo foi iniciado em 2022 no Brasil e está testando um dispositivo que simula a atividade cerebral humana, aprendendo a avaliar e classificar imagens de plantas doentes e saudáveis.

O mecanismo inovador depende do uso de eletrodos, colocados na cabeça de especialistas, para captar sinais cerebrais gerados em resposta a diferentes estímulos visuais. “Para que se possa ensinar o computador a reconhecer as plantas doentes, é necessário não somente apresentar a ele as imagens, mas também indicar o que está presente nessas imagens, o que normalmente chamamos de rótulos”, explica Barbedo.

O processo de rotulação de imagens, embora crucial, pode ser “demorado, subjetivo e cansativo”, pois depende da disponibilidade de especialistas. Para agilizar esse processo, a nova tecnologia aprende a interpretar os sinais cerebrais emitidos por especialistas ao visualizarem imagens de folhas saudáveis e doentes. Uma vez que os padrões são assimilados, os especialistas podem rapidamente avaliar uma série de imagens, que são então rotuladas automaticamente pelo sistema baseado na IA.

Esta abordagem permite a anotação de muitas imagens em um curto espaço de tempo e, além disso, atribui um grau de confiança a cada classificação gerada. Barbedo aponta que as classificações de baixo grau de confiança são usadas para aprimorar continuamente os modelos de aprendizado de máquina. “Uma vez que os modelos estejam prontos, será possível embarcá-los em aplicativos e maquinário agrícola para detecção e monitoramento contínuo das lavouras”, acrescenta o pesquisador. Apesar dos resultados promissores, com taxas de acerto de quase 100% na classificação de plantas doentes e saudáveis, o projeto ainda enfrenta desafios, incluindo a coleta de um grande número de imagens em campo, calibração do equipamento e a necessidade de acomodar a disponibilidade dos especialistas envolvidos. No entanto, devido ao fato de que o modelo, uma vez treinado, não exige alta capacidade de processamento, Barbedo acredita que essa tecnologia será acessível à maioria dos produtores, seja através da aquisição de equipamentos seja por meio da contratação de serviços terceirizados.

Orientação: Prof. Artur Araujo

Edição: Suelen Biason