A
O
Avanço da lagarta-do-cartucho ameaça a colheita recorde de milho Bioinseticida apresenta eficácia superior a 85% no controle da lagarta-do-cartucho
A metodologia foi publicada na revista Eletronicts, no artigo Computational Intelligence Approach for Fall Armyworm Control in Maize Crop, de Alex Bertolla e Paulo Cruvinel. Eles contam que o trabalho foi motivado pela discrepância entre o método atual de detecção e o resultado pretendido, isso os levou a pesquisar uma alternativa para a detecção precoce de pragas em áreas cultivadas.
Bertolla conta que o estudo focou no reconhecimento e na classificação de padrões dinâmicos da lagarta-do-cartucho, que além do milho, ataca diversas culturas agrícolas, como a soja e o algodão. Ele ressalta que a solução obtida pode auxiliar agrônomos e laboratórios a terem resultados mais precisos.
Para facilitar a captação das imagens, uma câmera fotográfica simples pode ser acoplada em implementos agrícolas, para que possa coletar as imagens das lagartas presentes nas plantas de milho, tanto folhas como espiga, enquanto executa operações na lavoura. A câmera não precisa ser de alto custo, é necessário apenas produzir imagens com boa resolução.
Integração de processos
O método integra processamento digital de imagens e sinais, estatística multivariada, técnicas de aprendizado de máquina e visão computacional. “O aprendizado de máquina descreve a capacidade dos sistemas de aprender a partir de dados personalizados de treinamento de problemas para automatizar e resolver tarefas associadas. Em conjunto com esse conceito, o aprendizado profundo também é um processo de aprendizado de máquina, mas baseado em redes neurais artificiais com um conjunto de camadas de propósito específico”, esclareceu Cruvinel.
Bertolla explica que o algoritmo computacional tem a capacidade de avaliar as imagens digitais de distintos estágios de crescimento da lagarta situada nas plantas de milho, assim como seu estágio de desenvolvimento e frequência de ocorrência na área de cultura. O programa foi desenvolvido em Python, linguagem de programação muito usada em ciência de dados e aprendizado de máquina.
O estudo avaliou um total de 2.280 imagens de lagartas-do-cartucho presentes em folhas ou em espigas na área de cultivo do milho, de forma a qualificar cinco distintos estágios de desenvolvimento da praga durante o ciclo de produção.
Base para futuros estudos
Cruvinel e Bertolla relataram que a qualidade dos resultados confirmou a recomendação do uso da estrutura baseada em aprendizado profundo. Os dados passaram por análise de acurácia, precisão, tempo de processamento e desempenho do hardware para o cenário proposto.
“O método também apresentou resultado considerável em quesitos referentes ao desempenho de hardware e tempo de processamento, o que pode ser também interessante para uma ação futura relacionada à disponibilização dessa tecnologia na versão embarcada, para uso diretamente como parte de implementos agrícolas”, apontou Cruvinel.
Eles sugerem, para trabalhos futuros, incluir outras técnicas de inteligência artificial dedicada ao controle de pragas para o reconhecimento e classificação de padrões, tanto de forma não supervisionada como por meio do uso de uma câmera multiespectral embarcada em um Veículo Aéreo Não Tripulado (VANT) para operação em tempo real.
