O avanço do uso de tecnologia na agricultura de precisão modifica a forma como os drones são utilizados para potencializar a atividade. Equipados com Inteligência Artificial (IA), esses dispositivos não apenas capturam imagens e coletam dados, mas já conseguem analisar essas informações em tempo real para entregar insumos valiosos aos produtores. A combinação de sensores avançados e algoritmos de aprendizado de máquina (machine learning) está ajudando a prever pragas, otimizar a irrigação e melhorar a produtividade das lavouras brasileiras.
Especialista do IEEE (Instituto de Engenheiros Eletricistas e Eletrônicos, organização mundial que reúne cientistas que tratam da tecnologia em benefício da humanidade), Juan Galindo indica que os drones que utilizam IA podem já no sobrevoo detectar anomalias nas plantações ao reconhecer certos padrões de crescimento e outros indícios precoces de possíveis doenças ou pragas que podem avançar sobre aquela cultura.
A combinação de sensores térmicos com os algoritmos inteligentes utilizados no dispositivo que mapeia a plantação também é decisiva no momento de antecipar possíveis falhas no sistema de irrigação e, ao mesmo tempo, otimizar o uso da água.
Juan Galindo, que também é especialista em drones e coautor do estudo sobre processos de recarga de UAVs (Veículos Aéreos Não Tripulados, ou drones) na agricultura, destaca que os algoritmos de machine learning conseguem classificar culturas de forma automática e, ainda, estimar a produtividade daquela safra.
“Essa capacidade preditiva possibilitada pelo sistema drone, Inteligência Artificial e reconhecimento de padrões contínuos permite ao produtor o planejamento da colheita, tomada de decisões mais precisas e a redução de desperdícios”, explica Galindo. “A otimização do uso de insumos, a adoção de medidas de combate preventivo contra possíveis intempéries ou ataques de pragas previamente detectadas são outras vantagens que podem ser enumeradas”, prossegue.
Benefícios esperados com o desenvolvimento da tecnologia e passos futuros
A intensificação das aplicações tecnológicas no campo possibilita, em um período mais longo, a redução de impactos ambientais sobre as regiões de cultivo e o planejamento de manejo de culturas para ampliar sua produtividade.
O especialista do IEEE também projeta que o uso dos drones com Inteligência Artificial e o aumento do volume e da capacidade de processamento de dados aprimore a capacidade preditiva do sistema. E não se trata apenas de indicar com elevado respaldo de acerto a emergência de uma praga ou a falta de irrigação com um simples sobrevoo. “A tendência é de detectar certos padrões na estrutura da planta e a partir dessa leitura já alertar para a intervenção necessária e o ponto específico em que precisa ser feita. E identificação precoce somada a tomada de decisão ágil e cirúrgica resulta em maior eficiência e menor impacto sobre o ambiente”, projeta Galindo.
Em uma projeção mais longa a repetição de voos e o acúmulo de informações, intervenções e desfechos pode tornar o drone agrícola apto a ser programado para agir de forma autônoma como resposta a padrões detectados na área de cultivo. “Os atributos de machine learning e a acurácia dos modelos de IA que tendem a crescer com o aumento no volume de dados podem ser suficientes para legitimar esse tipo de decisão. Mesmo com a possibilidade, a supervisão de especialistas humanos continuaria sendo recomendável para monitorar o desempenho e as reações dos dispositivos. Nem que somente para comprovar o quanto essa velocidade e precisão seriam ainda mais decisivas para aumentar a produtividade e otimizar o uso dos recursos”, sugere Galindo.
Sobre o IEEE
O IEEE é a maior organização profissional técnica do mundo dedicada ao avanço da tecnologia para a humanidade. Através de suas publicações, conferências, padrões tecnológicos e atividades profissionais e educacionais altamente reconhecidas, o IEEE se estabelece como a voz confiável em diversas áreas, incluindo sistemas aeroespaciais, computadores, telecomunicações, engenharia biomédica, energia elétrica e eletrônicos de consumo.