Os largos passos da inteligência artificial na agropecuária

A inteligência artificial (IA) chegou ao dia a dia das pessoas e está sendo incorporada às mais diversas rotinas. No agronegócio, há muitos estudos em andamento, como para detecção de pragas, monitoramento de animais no pasto e ordenha automática. Embora a maioria ainda não tenha uso comercial, as pesquisas representam o futuro do setor.

Segundo a Empresa Brasileira de Pesquisa Agropecuária (Embrapa), a IA é uma área que visa projetar, desenvolver, aplicar e avaliar métodos e técnicas na criação de sistemas inteligentes. Essas tecnologias passam a ter domínio do que foram ensinadas e facilitam processos que, antes, poderiam ser apenas manuais.

Um dos exemplos é a contagem de gados feita a cavalo. Prática comum entre os pecuaristas, ela é necessária para manter o manejo correto do pasto, mas além de custar tempo, também pode estressar os animais. A alternativa para essa atividade vem do céu. Uma das pesquisas conduzidas pela Embrapa mostra como utilizar drones para monitorar as cabeças de gado e poupar esforços.

O pequeno dispositivo voador pode monitorar grandes áreas rapidamente, tendo a vantagem adicional de cobrir territórios de difícil acesso. Segundo o pesquisador da Embrapa Agricultura Digital, Jayme Barbedo, outro benefício da utilização do drone é tomar decisões com agilidade, evitando possíveis prejuízos com doenças ou falta de água para os animais.

Apesar dos lucros, ele faz um alerta. “Pequenas propriedades localizadas em regiões com relevo menos acidentado, provavelmente, não se beneficiam tanto, de modo que a relação custo-benefício talvez não seja vantajosa. Porém, em grandes terras, com relevo acidentado ou outros obstáculos ao monitoramento contínuo, os ganhos financeiros são bastante interessantes”, diz.

Benefícios na agricultura

Na agricultura, algumas iniciativas miram as plantas saudáveis, seja no reconhecimento de folhas doentes, detecção de ervas daninhas ou previsão de safra. Outra pesquisa conduzida na Embrapa criou uma base de dados com imagens que faz o reconhecimento de doenças em plantas, chamada de repositório Digipathos.

Ela não é uma ferramenta disponível para compra, mas um instrumento que auxilia no desenvolvimento de tecnologias. O Digipathos pode ser utilizado por empresas para desenvolver aplicativos para detecção de doenças, os quais poderiam ser oferecidos para os produtores.

A base é um instrumento para o desenvolvimento tecnológico. São mais de três mil fotos das principais culturas de interesse comercial, que podem ser consultadas e baixadas. A ideia também é ampliá-la com sintomas e descrições detalhadas das causas e consequências de cada doença.

São mais de 15 tipos de cultura catalogados. Entre elas, frutas, vegetais e flores, como abacaxi, algodão, antúrio, arroz, açaí, café, cana-de-açúcar, citros, coqueiro, cupuaçu, feijão, meloeiro, milho, palma de óleo, pimenta-do-reino, soja, sorgo, trigo e videiras.

De acordo com Barbedo, em diversas ocasiões, produtores e trabalhadores rurais não conseguem reconhecer a origem dos sintomas da planta e, ainda, podem cometer erros de identificação. Com uma ferramenta instalada no celular, seria possível ter uma resposta mais rápida e assertiva.

Ele ressalta que, embora existam aplicativos disponíveis na internet que tenham função parecida, essa base tem imagens “rotuladas por especialistas”. Para treinar um modelo de IA é necessário informar ao computador o que os dados representam. Essa etapa é chamada de rotulagem.

“No caso das imagens de doenças, cada uma precisa ter, pelo menos, duas informações associadas à cultura e à doença, que estão representadas”, explica. Por isso, é segura para criar soluções.

A ideia não é substituir o agrônomo (profissional que atua na área da agricultura), já que, normalmente, essa pessoa tem as melhores condições de identificar o problema. Porém, como muitos produtores têm problemas para acessar uma assistência técnica rápida e efetiva, ter uma ferramenta para a identificação ajuda bastante.

Simulando processos cerebrais

Outro avanço é estudado com um programa que identifica plantas doentes, simulando o processo cerebral humano. O sistema “imita” o funcionamento cerebral de especialistas no momento em que eles visualizam imagens de folhas doentes, automatizando a rotulagem.

O pesquisador Jayme Barbedo explica que a rotulagem é uma etapa fundamental, mas demorada e cansativa. “Quando os especialistas observam uma imagem, contendo um certo estímulo, como uma folha com sintomas de ferrugem da soja, eles geram sinais cerebrais distintos de uma folha saudável. Isso pode ser explorado para fazer a identificação e rotular corretamente a imagem. Nesse exemplo que citei, o rótulo seria soja/ferrugem”, explica.

COMO O SISTEMA IDENTIFICA PLANTAS DOENTES?

1. Especialista coloca um ‘capacete’ que capta ondas cerebrais e está ligado a um computador;
2. Pesquisador olha para uma imagem e identifica a doença na planta;
3. O cérebro gera estímulos específicos ao notar o problema;
4. O sistema captura os sinais cerebrais emitidos a cada novo estímulo, diferente de quando se visualiza uma folha saudável;
5. Após identificar o estímulo, o sistema rotula corretamente a imagem.

“Os sinais são gerados antes mesmo do especialista pensar sobre o que ele está vendo. Com isso, é possível rotular três imagens por segundo, o que significa até 1800 imagens em apenas 10 minutos. Com uma anotação manual, o número de imagens feitas no mesmo período não passaria de 50”, afirma Jayme. A tecnologia faz parte de um sistema já utilizado em aeroportos europeus para identificação de objetos perigosos em malas.

Mais inovações e dificuldades de implementação

As possibilidades de aplicar estudos com Inteligência Artificial são inúmeras, mas a maioria ainda precisa de mais pesquisas para ganharem uso prático e comercial. Para que esses modelos funcionem adequadamente, os dados usados no seu treinamento precisam representar devidamente toda a variabilidade encontrada na prática.

Segundo Barbedo, no caso da agricultura, em que o ambiente normalmente não é controlado, há uma variabilidade grande, como clima, hora do dia, ângulo de insolação e estágio de desenvolvimento das plantas.

O maior desafio de implementar a IA no campo é ter dados sob diferentes condições. Isso é necessário para tornar os modelos já existentes mais desenvolvidos às condições encontradas na prática. “Tecnologias como detecção de ervas daninhas e ordenha automática, cuja variabilidade é mais baixa que para outras aplicações, já se tornaram uma realidade e vêm sendo utilizadas na prática em muitas propriedades rurais”, diz.

Nas fazendas leiteiras, parte do tempo dos trabalhadores é voltado para ordenha das vacas. Nesse caso, a solução automatizada poupa tempo e proporciona uma rotina com mais flexibilidade. Um dos equipamentos já disponíveis para uso dos produtores é um robô da Lely, uma empresa de soluções para a agropecuária.

De acordo com a companhia, o investimento em automação na cadeia de leite gera uma gestão mais abrangente e aumenta a produtividade. Com a transição para a ordenha robotizada, são criadas mais oportunidades para focar em outras áreas importantes do negócio, como manejo reprodutivo, cria e recria de novilhas.