A agricultura digital avança no Brasil com soluções que unem inteligência artificial, automação e monitoramento para tornar a produção mais eficiente. Em Campinas (SP), pesquisadores da Embrapa Agricultura Digital desenvolvem tecnologias capazes de analisar lavouras e pomares em detalhes, auxiliando produtores na tomada de decisão antes mesmo da colheita.
- Veja em primeira mão tudo sobre agricultura, pecuária, economia e previsão do tempo: siga o Canal Rural no Google News!
Uma das frentes de pesquisa utiliza câmeras, sensores e redes neurais artificiais para identificar e contar frutos automaticamente no campo. O sistema percorre os pomares captando imagens das plantas e processando as informações para gerar mapas tridimensionais da produção.
“Esse sistema usa um par de câmeras, cada uma voltada para um lado do pomar, pegando as duas fileiras de plantas. E a gente usa e alimenta com essas imagens uma rede neural artificial treinada para achar os frutos e rastreá-los para que a gente não conte múltiplas vezes o mesmo fruto”, destaca pesquisador da Embrapa Agricultura Digital, Thiago Teixeira Santos.
O resultado é um mapa detalhado que mostra a localização dos frutos e permite estimar a produtividade, identificar áreas mais ou menos produtivas e antecipar o planejamento da safra.
Segundo Santos, atualmente uma única passagem do equipamento pelo pomar já é suficiente para gerar os dados. Após a coleta, o processamento leva cerca de uma hora, mas o objetivo é reduzir esse tempo e chegar a análises em quase tempo real.
A tecnologia já vem sendo testada em culturas como maçã, laranja e uva e pode ser adaptada para diferentes frutíferas. O modelo também busca responder a um desafio crescente do setor: a escassez de mão de obra.
Benefícios
As estimativas antecipadas de produção permitem organizar melhor a colheita, dimensionar equipes e planejar a logística de armazenamento e distribuição dos frutos ao longo do ano.
As pesquisas na área começaram ainda em 2019 e ganharam impulso com novos equipamentos e plataformas de coleta de dados em campo. Segundo Santos, treinar sistemas de inteligência artificial para o agro exige dados reais obtidos diretamente nas propriedades rurais.
“Inteligência artificial depende de dados e dados no campo é mais difícil de obter, porque diferente do que se tem em rede social, em fintechs e tantas outras fontes de dado. Se a gente não vai buscar esse dado instrumentando, o maquinário agrícola para obter esses dados para gente, a gente não tem essas fontes de dados”, explica Santos.
No futuro, a expectativa é que a tecnologia possa chegar ao produtor em diferentes formatos: desde robôs autônomos até dispositivos que possam ser acoplados em tratores já utilizados na propriedade ou mesmo contratados como serviço.
