Controlando doenças com auxílio de IA e câmeras

Como câmeras inteligentes e inteligência artificial estão ajudando a salvar as plantações de arroz do mundo antes que as doenças ataquem

O arroz é muito mais do que apenas um acompanhamento em nossas mesas de jantar — é uma fonte primária de calorias e nutrição diárias para mais da metade da população mundial. No entanto, cultivar arroz suficiente para alimentar bilhões de pessoas é uma corrida constante contra estresses. Uma das maiores ameaças que os agricultores enfrentam a cada safra é uma doença fúngica devastadora conhecida como brusone do arroz (causada pelo fungo Magnaporthe oryzae).

Quando a brusone do arroz atinge uma plantação, ela se expande rapidamente. O fungo ataca as folhas, os caules e os grãos, causando grandes manchas marrons, apodrecimento dos tecidos e, por fim, matando a planta. Um surto grave pode dizimar colheitas inteiras em questão de dias, levando a milhões de dólares em perdas financeiras para as famílias de agricultores e criando grave escassez de alimentos em regiões vulneráveis.

Por décadas, a maneira padrão de detectar essa doença dependia da observação humana. Os agricultores ou extensionistas agrícolas tinham que percorrer quilômetros de campos lamacentos, inspecionando cuidadosamente as folhas dos arrozais, em busca de sinais visíveis de infecção, como manchas escuras, bordas amareladas ou murchamento.

Os principais problemas dessa abordagem tradicional:

• É muito lenta: Caminhar por grandes plantações para verificar as plantas manualmente exige imenso tempo e esforço;
• É subjetiva: Mesmo agricultores experientes podem confundir a brusone do arroz com outros tipos de estresse nas plantas, como deficiências nutricionais ou seca;
• É uma armadilha reativa: Quando uma pessoa consegue ver uma mancha marrom ou uma folha amarelada a olho nu, a infecção fúngica já se instalou na planta há vários dias e espalhou esporos para as plantações vizinhas.

Como os agricultores não conseguem prever a doença, muitas vezes caem em uma armadilha: ou pulverizam grandes quantidades de fungicidas químicos em toda a plantação (uma “apólice de seguro” preventiva), ou esperam até que a lavoura esteja visivelmente doente e pulverizam para salvar o que restou. Nenhuma das opções é ideal. O uso excessivo de produtos químicos é caro, prejudica os ecossistemas locais, polui os recursos hídricos e, eventualmente, faz com que o fungo se torne resistente aos medicamentos usados para combatê-lo.

A Solução: Combinando Câmeras de Supervisão e Inteligência Artificial

Para resolver esse antigo dilema agrícola, a equipe do professor Wang desenvolveu um estudo inédito, recorrendo a ferramentas que representam tecnologia de ponta. Em vez de esperar que os sintomas aparecessem, eles fizeram uma pergunta simples: E se pudéssemos ver dentro do sistema de defesa da planta antes que o dano se tornasse visível? Para isso, os pesquisadores combinaram duas tecnologias revolucionárias: Imagens Hiperespectrais (câmeras de supervisão) e Aprendizado Profundo (inteligência artificial avançada).

Câmeras comuns — como a do seu smartphone — capturam a luz usando três cores básicas: Vermelho, Verde e Azul (RGB). Elas enxergam o mundo da mesma forma que os olhos humanos. Já as hiperespectrais são como superferramentas científicas. Em vez de capturar apenas três canais de cor, elas dividem a luz em centenas de faixas estreitas e invisíveis em todo o espectro luminoso, incluindo a faixa do infravermelho próximo.

Quando uma planta é infectada por um fungo, sua biologia interna muda imediatamente:

• Seus níveis de clorofila começam a cair porque ela não consegue realizar a fotossíntese com a mesma eficiência.
• A estrutura das células das folhas começa a se deteriorar.
• A planta começa a perder o equilíbrio hídrico interno e a sofrer estresse térmico.

Os olhos humanos não conseguem perceber essas minúsculas alterações químicas e físicas durante os primeiros dias de infecção. Mas uma câmera hiperespectral consegue, porque essas mudanças biológicas internas alteram a maneira exata como a luz se reflete na superfície da folha. Para a câmera, uma planta doente parece completamente diferente de uma planta saudável muito antes de qualquer mancha visível aparecer.

Ter uma supercâmera é apenas metade da batalha; analisar milhares de sinais de luz complexos de milhares de plantas produz uma enorme quantidade de dados. É aqui que entra o Aprendizado Profundo.

Em vez de tirar uma única foto, os pesquisadores filmaram e fotografaram plantações de arroz ao longo de vários dias durante todo o processo de infecção. Em seguida, alimentaram esses dados de séries temporais em modelos de inteligência artificial (IA) especializados (semelhantes aos algoritmos inteligentes usados para prever padrões climáticos ou tendências financeiras). A IA foi treinada para reconhecer os padrões sutis de “assinatura de luz” que ocorrem à medida que a infecção fúngica progride do primeiro dia até o surgimento completo dos sintomas.

O que a pesquisa descobriu?

Os resultados da integração de câmeras hiperespectrais de séries temporais com modelos de IA temporais renderam avanços impressionantes para a ciência agrícola:

• Alerta antecipado de 3 dias: O sistema de IA identificou com sucesso plantas de arroz infectadas de 48 a 72 horas antes do aparecimento de quaisquer manchas ou lesões visíveis nas folhas. Ele alcançou uma taxa de precisão de detecção precoce de mais de 92%;
• Avaliação precisa: Mais do que apenas indicar se uma planta está doente ou saudável, o sistema consegue medir com precisão a gravidade da doença (a extensão do dano interno ao tecido foliar) com uma acurácia superior a 95%;
• Vantagem do Vídeo sobre Imagens Estáticas: Os pesquisadores demonstraram que o monitoramento contínuo de sinais luminosos ao longo do tempo, utilizando IA inteligente, é muito mais preciso do que depender de fotos isoladas e pontuais, as quais podem ser facilmente afetadas por sombras ou variações na luz solar.

Essa tecnologia representa um avanço significativo para a agricultura de precisão — um movimento moderno que visa tornar a atividade agrícola mais inteligente, limpa e eficiente.

Como essa inovação impacta diretamente a agricultura real e a sociedade:

• Aplicação direcionada: Em vez de encharcar um campo inteiro com produtos químicos, um agricultor equipado com drones, provido de câmeras hiperespectrais e IA pode identificar o ponto exato onde uma infecção invisível está começando. Assim, é possível tratar apenas as plantas afetadas, reduzindo drasticamente o uso de produtos químicos;
• Proteção ambiental e redução de custos: O uso reduzido de pulverizações químicas economiza milhares de dólares em insumos para os agricultores, evitando o escoamento de substâncias nocivas para o solo, rios e habitats da biodiversidade;
• Prevenção da resistência: Ao aplicar tratamentos apenas quando e onde são realmente necessários — durante a fase inicial da infecção —, diminui-se muito a probabilidade de os fungos desenvolverem resistência, mantendo a eficácia das ferramentas de proteção de cultivos por mais tempo;
• Aceleração do melhoramento genético: Cientistas que desenvolvem novas variedades de arroz resistentes a doenças podem utilizar essa tecnologia para analisar milhares de plantas experimentais em tempo recorde, identificando instantaneamente quais variedades combatem melhor o fungo.

Ao capacitar os produtores a “enxergar o invisível”, a combinação de sensores ópticos inteligentes e inteligência artificial está transformando a agricultura de um jogo de adivinhação reativo em uma ciência proativa e de alta precisão. A brusone do arroz representa apenas o primeiro degrau de uma longa escalada rumo à racionalização do controle de pragas em cultivos agrícolas.

Décio Luiz Gazzoni é engenheiro agrônomo e membro da Academia Brasileira de

Ciência Agronômica e do Conselho Científico Agro Sustentável (CCAS)