Uma rede colaborativa com professores e pesquisadores de instituições públicas e privadas, nacionais e internacionais, desenvolveu uma solução pioneira no País, que detecta e conta plantas ao mesmo tempo que identifica linhas de plantio em imagens de drones. A tarefa é executada graças a uma combinação de técnicas avançadas de visão computacional e aprendizagem profunda (deep learning), capaz de tomar decisões por conta própria. Isso reduz custos e incertezas, facilita a gestão sustentável da lavoura e alavanca o agro 4.0.

Em experimentos com cultivo de milho e citros nas regiões Centro-Oeste e Sudeste, o método alcançou alto índice de acerto no monitoramento de sistemas agrícolas, além de demonstrar versatilidade e permitir a redução da dependência de inspeções visuais, que são demoradas, trabalhosas e tendenciosas. Outra vantagem em relação aos métodos tradicionais é que a solução proposta permite uma varredura completa do talhão ou da área plantada.

O mapeamento preciso das áreas de cultivo é um pré-requisito importante para auxiliar o gerenciamento do campo e a previsão de produção na chamada agricultura de precisão. Isso porque as culturas são sensíveis aos padrões de plantio e têm uma capacidade limitada para compensar áreas ausentes em uma linha, o que impacta negativamente o rendimento por unidade de área de solo durante a época de colheita.

Identificar as linhas de plantio pode ajudar os produtores a corrigir problemas ocorridos durante o cultivo de mudas, informação essencial na tomada de decisões. Por isso, imagens ópticas com sensores embarcados em veículos aéreos não tripulados (Vants) são um meio de baixo custo comumente usado para capturar cenas, cobrindo áreas cultivadas.

• Biopark impressiona comitiva de engenheiros agrônomos

Versatilidade e precisão

O estudo envolveu pesquisadores da Universidade Federal do Mato Grosso do Sul (UFMS), Universidade do Oeste Paulista (Unoeste), Universidade do Estado de Santa Catarina (Udesc), Universidade de Waterloo, no Canadá, e da Embrapa Instrumentação (SP). A proposta do grupo foi desenvolver um método de aprendizado profundo baseado em uma rede neural convolucional (do inglês, Convolutional Neural Network – CNN) para contar e detectar simultaneamente plantas e linhas de plantio com imagens obtidas por sensores embarcados em Vants.

Apoiada pelo Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) e pela Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes), a pesquisa é um dos resultados do projeto sobre tecnologias com potenciais disruptivos para automação e agricultura de precisão, liderado pelo pesquisador da Embrapa Lúcio André de Castro Jorge, especialista em processamento de imagens captadas por diversos tipos de drones.

A pesquisa

O estudo foi conduzido com plantas de milho, em estádio inicial, mas com alta densidade, em área experimental da Fazenda Escola da Universidade Federal de Mato Grosso do Sul, com aproximadamente 7.435 m². A pesquisa cobriu um total de 33.360 pés de milho em 224 fileiras de plantas.

O método alcançou alto desempenho para contagem, errando aproximadamente seis plantas por imagem, cada uma com mais de 100 plantas, e desempenho similar na localização e extração de linhas de plantio. Em citros, o método foi igualmente superior a outras redes neurais previamente desenvolvidas em outros estudos, errando entre uma e duas árvores por imagem.

Em campos de milho, as áreas com falhas podem ser preenchidas por plantas dessa mesma cultura, caso detectadas a tempo de se realizar a intervenção na mesma safra. Essa condição ocorre em diferentes culturas, como cana-de-açúcar, soja, tomate, entre outras, com características semelhantes. De olho nessa lacuna, os pesquisadores focaram em uma solução que pudesse ser replicada em outras culturas, não restrita somente aos campos de milho e citros.

O pesquisador lembra que as evoluções nas tecnologias de sensoriamento remoto e métodos de visão computacional sofreram um avanço disruptivo com as redes convolucionais e estão melhorando significativamente o mapeamento de sistemas agrícolas. “Essa integração está beneficiando a agricultura de precisão em diversas aplicações, como controle de ambiente, caracterização fenológica, avaliação nutricional, previsão de rendimento, análise temporal, além da gestão da lavoura, entre outros benefícios”, avalia.

Diante da estimativa da Organização das Nações Unidas para a Agricultura e Alimentação (FAO), de que para atender a demanda por alimentos em 2050 a produção agrícola terá de crescer mais de 60%, com participação de 41% só do Brasil, é esperado que os produtores rurais aumentem a produtividade no campo.

“No entanto, esse aumento deve vir de avanços tecnológicos e otimização das áreas de produção, em vez de sua expansão. Uma estimativa precisa das plantas em campos de cultivo é importante para prever a quantidade de rendimento enquanto monitora o seu crescimento”, diz o professor da Faculdade de Engenharia, Arquitetura e Urbanismo e Geografia da UFMS José Marcato Junior.

• Brasil habilita 136 estabelecimentos de produtos de origem animal

Para o professor, a detecção de plantas e linhas de plantas consiste em uma métrica importante na avaliação de campos agrícolas, porque o número de plantas auxilia agricultores e técnicos rurais a estimar a produtividade no fim do ciclo da cultura.

“Esse tipo de avaliação, quando realizada nas fases iniciais do plantio, é importante para a tomada de decisão rápida. Para o milho e outras culturas, a janela de decisão é breve e uma detecção rápida pode ajudar a mitigar ou prevenir problemas com a produção. Essas práticas devem melhorar as aplicações da agricultura de precisão, resultando no manejo sustentável do sistema agrícola”, acrescenta.

Baixo custo como diferencial

Uma versão preliminar do método foi aplicada pela primeira vez para contar árvores cítricas, e obteve uma precisão de aproximadamente 97% de acertos. Tanto em citros quanto em milho, o grupo usou imagens de um campo cultivado, captadas por câmera com sensores RGB embarcada em drones para compor o conjunto de dados. O sistema RGB – um sistema de cores aditivas em que o vermelho, o verde e o azul são combinados – por ser uma solução de baixo custo, é instalado na maioria dos drones, é facilmente replicável e possui alta disponibilidade no mercado.

Perspectivas futuras

Os cientistas acreditam que pesquisas e aplicações futuras poderão tirar proveito do método desenvolvido para auxiliar redes neurais profundas na contagem simultânea de plantas e detecção de fileiras de plantios em outros tipos de culturas. “Estamos implementando novos recursos ao método para superar diferentes desafios relacionados aos padrões de plantio. E, também, estamos confiantes com o patamar atual, pois proporciona um aprimoramento nas tarefas de tomada de decisão ao mesmo tempo em que contribui para uma gestão mais sustentável dos sistemas agrícolas”, conclui o professor da UFMS José Marcato Junior.

Fonte: Embrapa / Foto: Joana Silva

• Faça parte do grupo de WhatsApp do Sou Agro
• Siga o portal Sou Agro no Instagram

(Sirlei Benetti/Sou Agro)