POR – NADIR RODRIGUES PARA NEO MONDO
Máquinas serão capazes de detectar pragas, doenças e até deficiências nutricionais em uma lavoura
Cientistas brasileiros estão trabalhando para desenvolver uma tecnologia que permita a máquinas agrícolas fazerem o reconhecimento automático de plantas no campo. Pesquisas da Embrapa na área de fenotipagem buscam reconstruir espécies vegetais em três dimensões (3D) usando conhecimentos e técnicas de computação, como a robótica e a inteligência artificial.
A reconstrução tridimensional de plantas envolve a captura automatizada de imagens das culturas agrícolas e a geração de modelos digitais que mostram as estruturas das espécies, sejam folhas, caules, flores ou frutos, em 3D. Por meio desse processo, são coletados milhares de dados para classificação e análise das características vegetais, que podem ajudar no melhoramento genético.
Detecção automática de frutos e folhas por uma rede neural (deep learning)
Detecção automática de frutos e folhas por uma rede neural (deep learning)Equipamentos que fazem diagnóstico de maneira autônoma
Os resultados desse tipo de pesquisa são úteis para estimar a produção de determinada área, encontrar áreas com deficiência nutricional ou identificar pragas e doenças na lavoura, contribuindo para o avanço da agricultura de precisão. Com o desenvolvimento dos estudos em robótica aplicada à agricultura, os pesquisadores esperam que, no futuro, máquinas agrícolas autônomas possam ir a campo para fazer as mais variadas observações.
Experimentos conduzidos com as culturas de milho e uva de vinho integram um projeto de pesquisa com foco na geração de conhecimento em agricultura digital liderado pela Embrapa Informática Agropecuária (SP), em parceria com a Embrapa Instrumentação (SP) e a Universidade Estadual de Campinas (Unicamp), com apoio financeiro da Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp). Os testes com robôs e drones vão ser feitos em uma vinícola do estado de São Paulo, que participa da Rede de Agricultura de Precisão, e em uma área de milho em Campinas.
Também vão ser empregadas técnicas de aprendizado de máquina e reconhecimento de padrões, conhecidas como deep learning, redes neurais profundas capazes de aprender padrões complexos a partir de um grande número de observações. Com apoio de grandes bases de dados e softwares de processamento de imagens digitais, busca-se criar protótipos de robôs capazes de identificar as culturas e diferenciar o que são frutos, cachos de uvas ou espigas, das demais estruturas vegetais, como folhas e troncos, por exemplo.
Modelo tridimensional de uma videira, obtido por técnicas de visão computacional a partir de imagens geradas por uma webcam, em detalhes
Modelo tridimensional de uma videira, obtido por técnicas de visão computacional a partir de imagens geradas por uma webcam, em detalhesTecnologia usada em carros autônomos
“Isso pode abrir o caminho para uma série de automações na agricultura”, conta o pesquisador da Embrapa Informática Agropecuária Thiago Teixeira Santos, líder da pesquisa. A equipe planeja construir um robô com câmeras acopladas e um escâner a laser para fazer a varredura das áreas de cultivo selecionadas pela pesquisa. Assim será possível ver a estrutura tridimensional com informações de geolocalização baseadas na tecnologia Lidar – a mesma usada pelos carros autônomos que estão sendo testados pela indústria automobilística mundial.
No entanto, diferentemente da indústria, em que o ambiente é controlado, os robôs desenhados para atuar no agronegócio possuem um ambiente muito mais complexo e sujeito a incertezas, o que exige um grande esforço de investigação e inúmeras simulações. Os desafios vão desde a superação dos níveis do terreno, passando por fatores climáticos e necessidade de infraestrutura computacional de alto desempenho para armazenagem, processamento e análise.
Modelo tridimensional de uma videira, obtido por técnicas de visão computacional a partir de imagens geradas por uma webcam
Modelo tridimensional de uma videira, obtido por técnicas de visão computacional a partir de imagens geradas por uma webcamPor isso, os testes estão sendo feitos em pequenas parcelas de cultivo, com características de estruturas conhecidas, como linhas de plantio definidas, para que os robôs sejam treinados e possam reconhecer esses ambientes. “A próxima geração de equipamentos agrícolas incluirá máquinas de pequeno porte e robôs que desempenham tarefas específicas. É um maquinário que vê e toma decisão, isto é, dotado de capacidade para ‘raciocinar’ com base no que é observado no campo”, avalia Santos.
O projeto de pesquisa denominado “Agricultura ciente de ambiente: raciocínio sobre estrutura tridimensional no campo de cultivo (AAcr3, do inglês Ambient awareness in Agriculture: 3-D structure and reasoning in the crop field)”, foi aprovado em uma chamada conjunta da Fapesp com a IBM e recebeu recursos de US$ 60 mil (cerca de R$ 200 mil reais) da linha de auxílio à pesquisa Parceria para Inovação Tecnológica (Pite). A vigência é de dois anos, de abril de 2018 a março de 2020.
Serão empregados algoritmos de visão computacional e aprendizado de máquina na detecção e classificação de objetos de interesse, tais como terreno, plantas, folhas e frutos. Além disso, informações como características das plantas, variação espacial na cultura e outras medidas vão ser estimadas a partir de nuvens de pontos 3-D (point clouds). Os pesquisadores explicam que parcelas de três culturas diferentes, incluindo grãos e fruticultura, serão sensoreadas e estruturadas, capturando vários estágios de desenvolvimento das plantas.
“A utilização dessas ferramentas e procedimentos para o reconhecimento de partes de uma espécie vegetal de interesse do produtor agrícola ou técnico permitirá a obtenção de forma automatizada de informações úteis, como a estimativa de produção em uma área, quais as partes da área que podem ser mais ou menos produtivas, o nível de incidência de pragas e doenças nas plantas dessa área, entre outros”, destaca o pesquisador da Embrapa Instrumentação Luis Henrique Bassoi. “Isso poderá trazer rapidez na coleta e na análise de dados para a obtenção de informações que auxiliarão na tomada de decisão quanto à realização de práticas agrícolas”, afirma.
A pesquisa ainda vai integrar tecnologias de ponta em imageamento, robótica e visão computacional em uma metodologia completa para a aquisição da estrutura 3-D de campos de cultivo, abordando problemas em automação e computação de alto desempenho. Também serão desenvolvidos métodos baseados em aprendizagem de máquina para a extração de padrões e características a partir desses dados, para avaliação comparativa às metodologias tradicionais usadas em pesquisas agrícolas, abrindo um novo campo de conhecimento científico.
