A Embrapa Instrumentação (SP), em parceria com professores  e pesquisadores nacionais e internacionais, desenvolveu uma tecnologia inovadora e pioneira no Brasil. O método criado detecta e conta plantas ao mesmo tempo que identifica linhas de plantio em imagens obtidas por drones. 

Através de uma combinação de técnicas avançadas de visão computacional e aprendizagem profunda (deep learning) a tarefa é realizada e ainda é 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.

Um dos pré-requisitos mais importantes no gerenciamento do campo é fazer o mapeamento preciso. Com isso é possível, inclusive, fazer a previsão de produção na 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.

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 pesquisa

O estudo foi conduzido com plantas de milho, em estágio 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.

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. 

“Essa tendência de utilizar os sensores RGB permitiram resultados importantes com custos reduzidos quando comparados ao uso de sensores especiais em outras faixas do espectro de luz. Assim, o método é uma alternativa de baixo custo e viável para ser aplicada em qualquer cultivo. Mas um grande diferencial ainda está na possibilidade de embarcar diretamente no Vant, um sistema inteligente que permite detectar em tempo real a partir das redes treinadas”, avalia o pesquisador da Embrapa Lúcio André de Castro Jorge, especialista em processamento de imagens captadas por diversos tipos de drones.

Perspectivas do futuro

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.
(Com informações da Embrapa)