Agronegócio
Sistema conta plantas por drones na lavoura
Experimentos foram feitos em lavouras de milho e pomares de citros
Uma combinação de técnicas avançadas de visão computacional e aprendizagem profunda (deep learning), capaz de tomar decisões por conta própria, permite a contagem de plantas de forma precisa em uma lavoura. A solução é pioneira no país e usa um drone para esta função.
O sistema substitui inspeções visuais, que são demoradas e onerosas e não fazem varredura completa. As áreas encontradas com falhas podem ser preenchidas por plantas quando detectadas a tempo de se realizar a intervenção na mesma safra e evitar perdas.
Os primeiros testes foram feitos em lavouras de milho e citros nas regiões Centro-Oeste e Sudeste e os resultados foram animadores. Em imagens com mais de cem plantas, os erros de contabilização do sistema foram de cerca de seis unidades no milho. O método de agricultura de precisão permite fazer uma varredura completa da área plantada, talhões e linhas de plantio com uso das imagens registradas pelo drone.
No milho foram mapeadas plantas em estádio inicial, mas com alta densidade, em área experimental da Fazenda Escola da Universidade Federal de Mato Grosso do Sul, com aproximadamente 7.435 m². A pesquisa cobriu um total de 33.360 pés de milho em 224 fileiras de plantas. Em citros, o método foi igualmente superior a outras redes neurais previamente desenvolvidas em outros estudos, errando entre uma e duas árvores por imagem, com cerca de 97% de acerto.
O estudo foi desenvolvido por pesquisadores da Universidade Federal do Mato Grosso do Sul (UFMS), Universidade do Oeste Paulista (Unoeste), Universidade do Estado de Santa Catarina (Udesc), Universidade de Waterloo, no Canadá, e da Embrapa Instrumentação (SP) e se baseia em uma rede neural convolucional (do inglês, Convolutional Neural Network – CNN) para contar e detectar simultaneamente plantas e linhas de plantio com imagens obtidas por sensores embarcados em Vants.
Funciona assim: o drone faz a captura aérea das imagens na lavoura e elas seguem para a análise computacional, usando a rede neural. A partir daí é feita a análise da detecção de linhas e plantas, que geram estimativas e geolocalização, fazendo o mapeamento e a contagem.
“Esse tipo de avaliação, quando realizada nas fases iniciais do plantio, é importante para a tomada de decisão rápida. Para o milho e outras culturas, a janela de decisão é breve e uma detecção rápida pode ajudar a mitigar ou prevenir problemas com a produção. Essas práticas devem melhorar as aplicações da agricultura de precisão, resultando no manejo sustentável do sistema agrícola”, acrescenta o professor da Faculdade de Engenharia, Arquitetura e Urbanismo e Geografia da UFMS José Marcato Junior.
O método é uma alternativa de baixo custo e viável para ser aplicada em qualquer cultivo, não ficando a tecnologia restrita somente a milho e citros. As áreas com falhas podem ser preenchidas por plantas dessa mesma cultura, caso detectadas a tempo de se realizar a intervenção na mesma safra. Essa condição ocorre em diferentes culturas, como cana-de-açúcar, soja, tomate, entre outras, com características semelhantes.
A pesquisa “Uma abordagem baseada em CNN para contar e detectar simultaneamente plantas e linhas de plantio com imagens de UAVs” foi publicada no ISPRS JournalofPhotogrammetryand Remote Sensing, da Sociedade Internacional de Fotogrametria e Sensoriamento Remoto (ISPRS). Para acessar o artigo, pode ser utilizado este link.
FONTE: Agrolink
