Terms & Conditions

We have Recently updated our Terms and Conditions. Please read and accept the terms and conditions in order to access the site

Current Version: 1

Privacy Policy

We have Recently updated our Privacy Policy. Please read and accept the Privacy Policy in order to access the site

Current Version: 1

AgriculturaPesquisas & Publicações

Inteligência Artificial ajuda a identificar plantas doentes

0:00

No Brasil, o equipamento que permite capturar e simular sinais cerebrais começou a ser testado este ano na detecção de doenças em estágio inicial em cultivos de soja por meio de Inteligência Artificial (IA). A Embrapa mantém parceria com as empresas Macnica DHW e InnerEye, esta última desenvolvedora da BrainTech, tecnologia que deverá conferir rapidez à tomada de decisão, reduzindo perdas em empreendimentos rurais e racionalizando o uso de recursos naturais, inclusive.

A tecnologia pode ter diversas aplicações, sendo utilizada quando seja necessário gerar modelos que resolvam um problema de classificação, entrando para acelerar o processo de rotulagem dos dados, e assim gerar modelos AI que funcionem quando a abordagem tradicional não atende aos requisitos de classificação.

O sistema simula o funcionamento cerebral de especialistas no momento em que visualizam imagens de plantas doentes, automatizando a rotulagem e tornando a etapa mais rápida e eficiente. O equipamento Braintech faz a captura dos sinais neurais dos especialistas por meio de um capacete com eletrodos, num funcionamento similar ao de um eletroencefalograma.

O sistema já é utilizado em aeroportos europeus na identificação de objetos perigosos em malas. Em 2019, a Macnica DHW buscou a Embrapa para, em parceria, explorar a tecnologia no setor agropecuário com possíveis novas aplicações. A detecção precoce de doenças em plantas foi por onde os experimentos começaram, em abril.

Funcionamento do sistema

O sistema “imita” o funcionamento cerebral de especialistas no momento em que visualizam imagens de plantas doentes, automatizando a rotulagem e tornando a etapa mais rápida e eficiente. A ideia é simular, tão próximo quanto possível, o processo cerebral de um especialista quando identifica algo ou toma uma decisão, como foi feito com os fitopatologistas.

O primeiro passo é a calibragem do modelo, ajustando o capacete com os eletrodos na cabeça do especialista para identificar seus sinais cerebrais. “Cada pessoa tem um padrão cerebral diferente, os sinais elétricos do cérebro são diferentes de pessoa para pessoa, então é necessário fazer uma calibração para cada uma para o modelo entender o que ela está pensando”, explica Barbedo.

Uma vez que o sistema ‘aprendeu’ como a pessoa funciona, começa o processo de rotulagem da base de dados. As instruções aos especialistas é para que enumerem (1, 2, 3 …) as folhas doentes quando as vir na tela, que apresenta três imagens por segundo. O sistema vai capturando os sinais cerebrais emitidos a cada novo estímulo, diferente quando se visualiza uma folha saudável.

Segundo o líder do projeto, o processo de contagem não é obrigatório, mas reforça os sinais cerebrais, tornando mais fácil a diferenciação entre o que é doente e o que é saudável. O sistema permite a apresentação de até dez imagens por segundo.

Resultados confiáveis

Com duração média de meia hora, cada sessão possibilitou rotular mais de mil imagens, tarefa que no sistema manual demoraria dias. Além do ganho em agilidade no processo de rotulagem, Barbedo destaca a confiabilidade do sistema, “que tem mecanismos de correção de possíveis erros, tornando o modelo que é treinado mais confiável”.

O sistema consegue identificar se o especialista piscou ou está perdendo atenção no processo de visualização das imagens em sequência através dos sinais neurais. Nesses casos, o sistema descarta o resultado e reapresenta a imagem posteriormente. O sistema BrainTech gera uma curva indicativa da atenção, pausando o experimento para descanso quando cai para nível crítico à confiabilidade dos resultados.

Além disso, o sistema é capaz de detectar o nível de certeza do especialista ao visualizar a imagem, o que é chamado de softlabel. A utilização deste parâmetro permite a melhor calibragem do modelo IA conforme o nível de experiência de cada especialista, por consequência isso traz maior acurácia na decisão do modelo IA.

Aplicações na agricultura

A tecnologia abre diversas possibilidades de aplicação no setor agropecuário. Os modelos treinados poderiam ser embarcados em maquinário agrícola, aplicativos de celular e atuando em atividades com carência de mão-de-obra especializada.

A aplicação mais racional de defensivos, com menos custo econômico menos impacto ambiental, e produção de alimentos de forma mais limpa e sustentável seria possível com modelos treinados embarcados em maquinários, identificando em tempo real e em parcelas específicas a necessidade de aplicação de defensivos ao passar nas linhas de produção.

“Embarcar esse modelo num aplicativo de celular daria ao produtor agilidade na tomada de decisão quando identificadas doenças e sintomas de patologias, acelerando a adoção das medidas necessárias”, indica Barbedo.

O pesquisador aponta, ainda, a pertinência do uso da tecnologia na estratégia de rotação das pastagens da pecuária leiteira, área em que faltam especialistas. A escolha dos piquetes mais apropriados para maximizar a produção do leite é feita por técnico experiente em identificar a melhor localização e a quantidade ideal de animais. “O sistema poderia simular a atividade desse especialista para fazer uma locação tecnológica. A maioria das propriedades não tem alguém com essa expertise”, conclui.

Nelsir Luterek

Empresário, colunista, especialista em TI, mentor, CTO e consultor estratégico em inovação.

Embrapa

Informações sobre pesquisas, comunicados fornecidos pela Embrapa

Artigos relacionados

Botão Voltar ao topo
X