Resumo da notícia
- A Embrapa Instrumentação desenvolveu um sistema que usa sensores de imagem e inteligência artificial para identificar a lagarta-do-cartucho em folhas e espigas do milho, aumentando a precisão na detecção precoce da praga.
- A lagarta-do-cartucho pode causar perdas de até 70% na produção de milho, atacando em fases vegetativas e reprodutivas, comprometendo significativamente a safra.
- A tecnologia permite o uso de câmeras comuns acopladas a implementos agrícolas para coletar imagens, eliminando a necessidade de equipamentos caros e facilitando o monitoramento em campo.
- O sistema integra processamento de imagens, estatística multivariada e aprendizado de máquina para automatizar a identificação da praga, oferecendo resultados mais precisos para agrônomos e laboratórios.
A Embrapa Instrumentação (SP) criou um sistema que combina sensores de imagem e inteligência artificial para identificar a lagarta-do-cartucho, uma das pragas mais destrutivas da cultura do milho. O método analisa imagens digitais e reconhece a praga tanto nas folhas quanto nas espigas da planta.
A tecnologia elimina a subjetividade dos métodos tradicionais, que exigem trabalho intensivo e dependem exclusivamente da observação humana. Produtores rurais podem agora contar com uma ferramenta automatizada que aumenta a precisão na detecção precoce da praga.
Praga ameaça 70% da produção
O milho figura entre os cereais mais cultivados globalmente, mas enfrenta uma ameaça séria: a lagarta-do-cartucho (Spodoptera frungiperda). Pesquisadores da Embrapa estimam que o inseto pode destruir até 70% da produção quando não controlado adequadamente.
- Empresa investe em aluguel de abelhas para aumentar produtividade de maçãs
- Mirtilo: cultura rende até R$ 250 mil por hectare e atrai pequenos produtores
O ataque ocorre em duas fases críticas do desenvolvimento da planta. A lagarta destrói o milho tanto durante o crescimento vegetativo quanto no período reprodutivo, comprometendo toda a safra.
A revista Electronics publicou o estudo “Computational Intelligence Approach for Fall Armyworm Control in Maize Crop”, assinado por Alex Bertolla e Paulo Cruvinel. Os pesquisadores identificaram uma lacuna significativa entre os métodos atuais de detecção e os resultados necessários para o controle eficaz.
“A discrepância entre o método atual de detecção e o resultado pretendido nos motivou a pesquisar uma alternativa para a detecção precoce de pragas em áreas cultivadas”, explica Bertolla.
O estudo concentrou esforços no reconhecimento e classificação de padrões dinâmicos da lagarta-do-cartucho. Além do milho, a praga ataca outras culturas importantes como soja e algodão. A solução desenvolvida oferece aos agrônomos e laboratórios resultados mais precisos no monitoramento.
Câmera simples captura imagens na lavoura
A implementação da tecnologia não exige equipamentos caros. Produtores podem acoplar uma câmera fotográfica comum em implementos agrícolas para coletar imagens das lagartas durante as operações na lavoura.
“A câmera não precisa ser de alto custo, é necessário apenas produzir imagens com boa resolução”, esclarece Bertolla. O sistema captura fotos das pragas presentes nas folhas e espigas enquanto as máquinas realizam outras tarefas no campo.
O método integra múltiplas tecnologias: processamento digital de imagens e sinais, estatística multivariada, técnicas de aprendizado de máquina e visão computacional. Cruvinel explica que o aprendizado de máquina permite aos sistemas aprender com dados personalizados de treinamento para automatizar tarefas.
“O aprendizado profundo também é um processo de aprendizado de máquina, mas baseado em redes neurais artificiais com um conjunto de camadas de propósito específico”, detalha o pesquisador.
Os pesquisadores desenvolveram o algoritmo computacional em Python, linguagem amplamente utilizada em ciência de dados. O programa avalia imagens digitais de diferentes estágios de crescimento da lagarta, identifica seu nível de desenvolvimento e mede a frequência de ocorrência na área cultivada.
Estudo analisa mais de 2 mil imagens
A equipe avaliou 2.280 imagens de lagartas-do-cartucho em folhas e espigas de milho. O objetivo foi classificar cinco estágios distintos de desenvolvimento da praga durante o ciclo de produção.
Os pesquisadores estruturaram o trabalho em quatro fases principais. A primeira etapa envolveu a aquisição e pré-processamento das imagens, incluindo tratamento, remoção de ruídos e padronização de cores.
Na segunda fase, o sistema realizou a segmentação das imagens para extrair o fundo e destacar apenas as lagartas presentes no ambiente. A terceira etapa extraiu características dos objetos identificados para distinguir exclusivamente o inseto-alvo. O método utilizou informações de cor, textura e características geométricas para caracterizar e reconhecer padrões da lagarta-do-cartucho.
“No último bloco, utilizamos conceitos da inteligência computacional, baseado em aprendizado profundo, em que uma rede neural artificial convolucional (CNN) treinada permite a classificação dos diferentes estágios da lagarta”, explica Bertolla.
A CNN analisa especificamente dados visuais. Os pesquisadores também compararam o desempenho usando cinco classificadores conhecidos como máquina de suporte de vetores (SVM), que classificam cada estágio da lagarta individualmente.
Resultados abrem caminho para aplicação prática
A qualidade dos resultados confirmou a eficácia da estrutura baseada em aprendizado profundo. Os pesquisadores analisaram acurácia, precisão, tempo de processamento e desempenho de hardware.
“O método também apresentou resultado considerável em quesitos referentes ao desempenho de hardware e tempo de processamento, o que pode ser também interessante para uma ação futura relacionada à disponibilização dessa tecnologia na versão embarcada, para uso diretamente como parte de implementos agrícolas”, destaca Cruvinel.
Para trabalhos futuros, os pesquisadores sugerem incluir outras técnicas de inteligência artificial dedicadas ao controle de pragas. As propostas envolvem reconhecimento e classificação de padrões de forma não supervisionada e o uso de câmeras multiespectrais embarcadas em Veículos Aéreos Não Tripulados (VANTs) para operação em tempo real nas lavouras.