Agricultura 4.0: UEG e universidades chinesas usam IA e robô para combater pragas
As mudanças climáticas e a crescente demanda por alimentos devido ao aumento populacional são dificuldades que se impõem à agricultura moderna. Para lidar com esses problemas, entra em cena a agricultura 4.0: um modo de produção que busca transformar o setor agrícola, com o objetivo de torná-lo cada vez mais sustentável, produtivo e adaptável às mudanças ambientais.
O desenvolvimento de equipamentos agrícolas integrados, como drones, sensores e robôs, são características da agricultura 4.0 e possibilita soluções para a produtividade sustentável.
Entre os maiores desafios enfrentados por produtores em todo o mundo está a contenção de pragas invasoras, e essas ferramentas surgem para tentar viabilizar estratégias para a prevenção de maiores estragos.
Uma dessas ferramentas está sendo utilizada em uma parceria entre pesquisadores brasileiros e chineses para automatizar a detecção de ninhos de formigas lava-pés invasoras e conter seu avanço em plantações.
A pesquisa é desenvolvida em um esforço conjunto do Programa de Pós-Graduação Stricto Sensu em Ambiente e Sociedade da Universidade Estadual de Goiás (PPGAS|UEG), na pessoa do professor Dr. Eduardo Fox, com as instituições Guangdong Academy of Forestry e Lanzhou University, da China, representadas pelos pesquisadores Xin Su, Guijie Shi, Jiamei Zhong, Yuling Li, Wennan Dai, Augix Guohua Xu, Jinzhu Xu, Hualong Qiu e Zheng Yan.
O prof. Eduardo explica que as formigas lava-pés invasoras, especialmente da espécie Solenopsis invicta, causam grandes estragos nos ecossistemas e geram altos custos econômicos em todo o mundo, e os métodos tradicionais para detectar os formigueiros no campo são trabalhosos e não funcionam bem com áreas grandes.
De acordo com ele, o estudo buscou criar um sistema inovador de vigilância que associa inteligência artificial (IA) e cães robóticos para automatizar a detecção e localização de ninhos dessa formiga, tornando seu monitoramento e controle mais eficientes.
Pesquisa – agricultura 4.0
O sistema desenvolvido combina a plataforma robótica CyberDog com o modelo de IA chamado Yolox. Juntos, eles conseguiram detectar os ninhos de formigas lava-pés com mais de 90% de precisão. O modelo de IA foi treinado com mais de mil imagens digitalizadas e atingiu uma taxa de acerto de 95%, processando cada imagem em 20 milissegundos, possibilitando uso em tempo real.
Nos testes de campo, o CyberDog encontrou três vezes mais ninhos do que inspetores humanos treinados, com menores taxa de erros e falsos positivos.
“O CyberDog não só trabalhou na mesma velocidade que os humanos, como também foi mais preciso e eficiente. Esses resultados são importantes porque mostram como a tecnologia pode ser usada para enfrentar invasões biológicas, oferecendo uma solução eficaz, ecológica e aplicável em grande escala para detectar ninhos de formigas lava-pés”, afirma o prof. Eduardo.
“Se implementado com sucesso, esse sistema poderia ser adaptado para monitoramento ambiental e controle de diferentes pragas, ajudando a preservar a biodiversidade e a economia”, completa.
Confira o artigo na íntegra aqui.
Sobre o pesquisador
Eduardo Gonçalves Paterson Fox – é graduado em Biologia (UFRJ); possui mestrado em Biofísica (UFRJ); e doutorado em Zoologia (Unesp). É especializado em insetos, com foco em estudos multidisciplinares em Hymenoptera.
Atuou como pesquisador pós-doutorado pelo IBCCF/UFRJ (2012); como pesquisador assistente-sênior pelo DEE/UNIL, Suíça (2013-2015); e na CAS/SCAU, China (2016-2018). Atualmente docente no Câmpus Sudoeste da UEG, em Quirinópolis.
É especialista em morfologia, biologia social e de veneno de formigas, com ênfase em formigas lava-pés. Tem experiência em entomologia geral e médica, tendo participado de projetos multidisciplinares envolvendo bioquímica, biologia molecular, comportamento e morfologia.
Possui habilidades técnicas em controle biológico, microscopia ótica e eletrônica, bioinformática, cromatografia, e análises bioquímicas e de biologia molecular; programação e análise estatística usando R e Python.
