Quando falamos da Indústria 4.0 referimo-nos a tecnologias digitais integradas, que permitem a digitalização dos processos de produção e captação de dados, em tempo real, o que possibilita um aumento da rentabilidade na produção e uma redução do desperdício no que concerne aos recursos utilizados.
A agricultura de precisão, sendo um reflexo das inovações trazidas pela Indústria 4.0, permite uma exploração mais racional dos sistemas produtivos, levando à otimização do uso dos inputs, ao aumento da rentabilidade e da sustentabilidade e à minimização dos impactos ambientais.
Consequentemente, com esta tecnologia, torna-se possível disponibilizar uma grande quantidade de dados específicos da cultura, que apoiam as tomadas de decisões e reduzem a incerteza. Este é um diferencial importante para garantir competitividade e sustentabilidade e tem sido e será, seguramente, um caminho de constante evolução.
Sustentabilidade, racionalidade e aproveitamento dos recursos são a prioridade, e todos os dias surgem novos produtos e serviços em prol de um trabalho moderno e otimizado do sector. Senão vejamos esta novidade: um método inovador e pioneiro que deteta e conta as plantas ao mesmo tempo e que identifica linhas de plantio em imagens obtidas através de drones.
A utilização de drones ou vants (veículos aéreos não tripulados), não é novidade na agricultura, contudo o que este método tem de pioneiro, é que a tarefa é executada graças a uma combinação de técnicas avançadas de visão computacional e aprendizagem profunda (deep learning), que o tornam autónomo na tomada de decisão. Este cenário permite a redução de custos e incertezas, facilita a gestão sustentável da produção e representa mais um passo em direção ao agro 4.0.
O estudo que deu origem a este método pioneiro envolveu uma rede de professores e investigadores de instituições públicas e privadas do Brasil e de outros países, que conseguiram desenvolver um método que se baseia no deep learning, algoritmos complexos construídos a partir do conjunto de diversos “neurónios” alimentados por dados, tornando-se capazes de realizar tarefas sem interferência humana. Apoiados numa rede neural convolucional (convolutional neural network -CNN), mais comumente aplicada para analisar imagens visuais, contam e detetam, simultaneamente, plantas e linhas de plantio, permitindo uma análise super detalhada das condições de produção.
Com este método, as informações que obtemos através das imagens tornam-se cada vez mais versáteis, precisas e o tipo de informação torna-se mais objetivo.
Nas regiões Centro-Oeste e Sudeste do Brasil, onde foram conduzidas algumas das primeiras experiências que envolvem este método, os resultados não deixam margem para dúvidas: conseguiu demonstrar-se um alto índice de precisão na monitorização de sistemas agrícolas; versatilidade na capacidade de exploração dos mesmos; aos quais se somou ainda uma redução da dependência de inspeções visuais (que são sempre demoradas, trabalhosas e, não raras vezes, tendenciosas).
A deteção de culturas plantadas em alta densidade, ou condensadas num espaço reduzido, é outra contribuição importante do método. Durante os estudos, o investigadores utilizaram uma área experimental, onde captaram imagens das plantas e as identificaram posteriormente por meio da fotointerpretação. Os resultados? Não podiam ser melhores e aqui está a grande mais-valia do método: concluiu-se que com recurso ao deep learning, exploramos melhor a área que estamos a cultivar, em menor tempo e com maior nível de detalhe e fiabilidade. Agora, com este método, a proximidade das plantas deixa de constituir um fator problemático ou que dificulta o trabalho do agricultor, pelo contrário, torna-o mais fácil.
O artigo foi originalmente publicado em FitoSíntese.
Discussão sobre este post