Um estudo ocidental pode ajudar os agricultores a saírem de uma situação difícil usando inteligência artificial (IA) e monitoramento passivo de câmeras para melhorar o cultivo de morango.
Em artigo publicado na revista internacional AlimentosEngenheiros ocidentais descrevem uma nova abordagem de aprendizado de máquina que produz as maiores taxas de precisão e exatidão para detecção de maturidade e doenças em morangos, em comparação a todas as tentativas anteriores.
IA e visão computacional têm sido usadas para monitorar uma variedade de culturas diferentes nas últimas duas décadas e, na maioria das vezes, a vigilância é feita por empresas privadas terceirizadas e muito caras, que tiram o controle das mãos dos agricultores.
Joshua Pearce, titular da Cátedra John M. Thompson em Tecnologia da Informação e Inovação na Western Engineering e na Ivey Business School; Soodeh Nikan, professor de engenharia elétrica e de computação da Western; e seus colaboradores estão trabalhando em um novo projeto, financiado e apoiado pelo Homegrown Innovation Challenge da Weston Family Foundation, para estender significativamente a temporada de cultivo de frutas vermelhas no Canadá.
E a abordagem deles está disponível para todos. De graça.
“Uma das abordagens que estamos adotando para reduzir custos futuros é usar visão computacional e detecção automatizada”, disse Pearce. “Como sempre, adotamos uma abordagem de código aberto e integramos as melhores e mais recentes técnicas para melhorar substancialmente a precisão e exatidão geral.”
Enquanto estudos futuros usarão o modelo agora comprovado para culturas tradicionais ao ar livre, este projeto foi executado em um agrotúnel agrovoltaico, um sistema de cultivo interno que abriga sistemas híbridos aeropônicos verticais de alta densidade (cultivo de plantas no ar) e hidropônicos (cultivo de plantas na água) que usam luzes de cultivo LED de alta eficiência e espectralmente otimizadas. Todos os sistemas internos são alimentados por agrivoltaicos (sistemas fotovoltaicos solares sobre as culturas) no exterior.
“A IA já foi usada antes no monitoramento de safras, mas nada perto da precisão que alcançamos. Aumentamos muito a precisão na detecção de diferentes doenças e também na percepção do brilho dos morangos, o que é crucial para entender a qualidade da safra e determinar os melhores momentos para colher”, disse Nikan.
O novo modelo se aproximou de quase 99 por cento de precisão em termos de maturação do morango e classificação de doenças, tornando-o uma ferramenta potencialmente valiosa na crise global de desperdício de alimentos. Seu desempenho em tempo real é extremamente importante, pois permite uma avaliação contínua e precisa da colheita durante toda a estação de crescimento.
Joshua Pearce e Soodeh Nikan investigam morangos cultivados sob uma instalação agrovoltaica na Estação de Campo Ocidental de Ciências Ambientais. (Jeff Renaud/Western Communications)
Futuros de rendimento, não futuristas
A IA pode detectar com alta precisão, mas frequentemente requer um conjunto de dados gigante que deve ser armazenado em um computador com uma grande quantidade de memória. Também é custoso.
Com operadores de sistemas agrovoltaicos/agrotúneis e fazendas de pequeno e médio porte em mente, Pearce e Nikan estavam focados em encontrar uma solução para todos no setor agrícola.
“Queríamos reduzir o tamanho desses modelos de IA para torná-los algo viável para fazendeiros e produção localizada”, disse Pearce. “Não queríamos apenas aumentar a precisão, que está acima de 98 por cento, mas também reduzir o tamanho dos modelos.”
Para o estudo, Pearce, especialista em impressão 3D de código aberto e reciclagem movida a energia solar que usa IA para controle de qualidade, se uniu a Nikan, que tem anos de experiência trabalhando com IA e visão computacional em tudo, desde carros autônomos e triagem de deficiências auditivas até padrões de sono e arritmia cardíaca.
“Reduzir o desperdício e o custo dos alimentos é obviamente um grande problema hoje em dia. Como todo mundo, sempre fico surpreso quando vou ao supermercado e vejo o preço de frutas e vegetais frescos”, disse Nikan. “Ao escolher projetos, geralmente procuro algo que seja crítico para a segurança ou uma necessidade social. Com minha experiência em outras aplicações, agarrei a chance de aplicar meu conhecimento e experiência à segurança alimentar.”
O novo modelo de IA ocidental requer apenas uma pequena quantidade de dados iniciais, neste caso imagens, para gerar um conjunto de dados de trabalho muito maior para rastreamento de maturação e detecção de doenças em morangos.
E como o novo modelo é completamente de código aberto, ele coloca todas as fazendas em pé de igualdade — sejam elas grandes ou pequenas, ou cultivadas em ambientes fechados ou ao ar livre.
“O software é completamente gratuito e de código aberto, e fazendeiros de qualquer tipo são livres para baixá-lo e adaptá-lo às suas necessidades”, disse Pearce. “Eles podem preferir que o sistema de IA envie um e-mail ou faça um ping no telefone quando detectarem uma doença ou até mesmo encaminhar uma imagem de uma planta específica que esteja pronta para ser colhida. O software é totalmente aberto para torná-lo seu.”
Para o próximo passo, Pearce e Nikan estão procurando experimentar o software ao ar livre, possivelmente usando drones, para monitorar campos de morango mais tradicionais. Além disso, eles estão usando imagens sintéticas geradas por computador de IA para reduzir ainda mais o número de fotografias reais necessárias.
“Ao contrário de tirar imagens de milhões de morangos, o que é uma abordagem de baixa eficiência e alto custo, estamos usando imagens sintéticas e software de código aberto para criar milhões de imagens nós mesmos, com poder computacional relativamente baixo, o que agora nos permite fazer observações altamente granulares sobre maturidade e doenças em plantas muito específicas”, disse Nikan.
