Um drone de seis rotores em voo – foto ilustrativa. Crédito da imagem: Richard Unten via FlickrCC 2.0
Por razões de segurança alimentar e de incentivo económico, os agricultores procuram continuamente maximizar os rendimentos das suas culturas comercializáveis. Como as plantas crescem de forma inconsistente, no momento da colheita, haverá inevitavelmente variações na qualidade e no tamanho das culturas individuais. Portanto, encontrar o momento ideal de colheita é uma prioridade para os agricultores.
Uma nova abordagem de uso de drones e inteligência artificial melhora comprovadamente essa estimativa ao analisar com cuidado e precisão analisando culturas individuais para avaliar suas prováveis características de crescimento.
Pipeline de IA baseado em drones. Uma visão geral do sistema para capturar e analisar dados de imagem sobre as culturas, que então informam um modelo para ajudar os agricultores a saber o melhor momento para colher seus campos. Crédito da imagem: Guo et al. CC-POR
Algumas histórias optimistas de ficção científica falam de um futuro pós-escassez, onde as necessidades humanas serão satisfeitas e o trabalho árduo será fornecido pelas máquinas. Existem algumas maneiras pelas quais esta visão parece prever alguns elementos do progresso tecnológico actual. Uma dessas áreas é a investigação agrícola, onde a automação tem causado impacto.
Pela primeira vez, investigadores, incluindo os da Universidade de Tóquio, demonstraram um sistema amplamente automatizado para melhorar o rendimento das culturas, o que pode beneficiar muitos e ajudar a preparar o caminho para futuros sistemas que poderão um dia colher culturas directamente.
“A ideia é relativamente simples, mas o design, implementação e execução são extraordinariamente complexos”, disse o professor associado Wei Guo, do Laboratório de Fenomia de Campo.
“Se os agricultores souberem o momento ideal para colher os campos agrícolas, poderão reduzir o desperdício, o que é bom para eles, para os consumidores e para o ambiente. Mas os tempos óptimos de colheita não são fáceis de prever e, idealmente, requerem um conhecimento detalhado de cada planta; tais dados teriam custos e tempo proibitivos se fossem contratadas pessoas para os recolher. É aqui que entram os drones.”
Guo tem formação em ciência da computação e ciências agrícolas, por isso é ideal para encontrar maneiras pelas quais hardware e software de ponta poderiam ajudar a agricultura. Ele e a sua equipa demonstraram que alguns drones de baixo custo com software especializado podem criar imagens e analisar plantas jovens – brócolos, no caso deste estudo – e prever com precisão as suas características de crescimento esperadas.
Os drones realizam o processo de geração de imagens diversas vezes e sem interação humana, o que significa que o sistema exige poucos custos de mão de obra.
Visualização de dados em fotos aéreas. O custo do trabalho humano e o tempo envolvido proíbem a catalogação manual de plantas individuais num campo. Aqui, os dados do catálogo coletados pelos drones e produzidos por um sistema de aprendizagem profunda são sobrepostos às fotos dos campos. Crédito da imagem: Guo et al. CC-POR
“Pode surpreender alguns saber que a colheita de um campo apenas um dia antes ou depois do momento ideal poderia reduzir o rendimento potencial desse campo para o agricultor entre 3.7% e até 20.4%”, disse Guo.
“Mas com o nosso sistema, os drones identificam e catalogam todas as plantas no campo, e os seus dados de imagem alimentam um modelo que utiliza aprendizagem profunda para produzir dados visuais fáceis de entender para os agricultores. Dados os atuais custos relativamente baixos dos drones e dos computadores, uma versão comercial deste sistema deveria estar ao alcance de muitos agricultores.”
O principal desafio da equipe estava nos aspectos de análise de imagens e aprendizado profundo. A recolha dos dados da imagem em si é relativamente trivial, mas dada a forma como as plantas se movem ao vento e como a luz muda com o tempo e as estações, os dados da imagem contêm muitas variações que as máquinas muitas vezes acham difícil compensar.
Assim, ao treinar o sistema, a equipe teve que investir muito tempo rotulando vários aspectos das imagens que os drones poderiam ver, a fim de ajudar o sistema a aprender a identificar corretamente o que estava vendo. A vasta taxa de transferência de dados também era um desafio: os dados de imagem eram muitas vezes da ordem de trilhões de pixels, dezenas de milhares de vezes maiores até mesmo do que a câmera de um smartphone de última geração.
“Estou inspirado em encontrar mais maneiras pelas quais a fenotipagem de plantas (medição das características de crescimento das plantas) possa ir do laboratório ao campo, a fim de ajudar a resolver os principais problemas que enfrentamos”, disse Guo.
Fonte:Universidade de Tóquio
