O avanço tecnológico tem ocorrido de forma cada vez mais acelerada, possibilitando soluções mais eficientes e acessíveis. Um exemplo claro dessa evolução é o desenvolvimento dos drones. Meu primeiro contato com essa tecnologia foi por volta de 2006, quando uma equipe desenvolvia nacionalmente modelos adaptados para captação de imagens aéreas.

Já em 2011, firmamos uma parceria com a Canoinhas Geoassessoria para adquirir o primeiro drone voltado ao setor florestal no Brasil — o SenseFly Swinglet CAM —, que nos permitiu obter ortofotos das áreas plantadas, principalmente para atualização pós-plantio.
 

Desde esse primeiro contato, já imaginávamos utilizar drones para realizar avaliações de sobrevivência 30 dias após o plantio, substituindo amostragens feitas por equipes de campo por censos completos dos talhões. No entanto, as primeiras câmeras acopladas aos drones não ofereciam resolução suficiente para esse propósito, o que nos impediu de avançar na época.

Atualmente, o Brasil vive uma grande expansão dos plantios destinados à produção de celulose e outros fins, com o cultivo de Eucalyptus sp. predominando no setor. Com essa expansão, a escassez de mão de obra no campo se torna um desafio crescente, impactando diversas atividades. Para mitigar esse problema, o setor tem investido em máquinas plantadoras, permitindo que o plantio ocorra de forma contínua e mais eficiente.

Na edição da Revista Opiniões (Jun-Ago 24), abordamos o uso da Inteligência Artificial na integração florestal-indústria como um caminho sustentável. Agora, avançamos nessa discussão ao explorar como drones e Inteligência Artificial podem finalmente solucionar um desafio persistente desde 2011: a avaliação da sobrevivência pós-plantio. Naquele período, fomos pioneiros no uso de imagens de drones e VANTs para atualização cartográfica no setor florestal e já buscávamos formas de aplicar essa tecnologia na detecção da sobrevivência das mudas. Hoje, com os avanços em sensores e algoritmos de IA, essa realidade está cada vez mais próxima.

A evolução tecnológica e a demanda pelo monitoramento pós-plantio: Em 2011, a resolução espacial dos sensores embarcados nos drones era um obstáculo significativo. Com resolução entre 5 e 10 cm, a detecção de mudas recém-plantadas era inviável.

Apenas mudas com 45 a 60 dias de crescimento podiam ser visualizadas, limitando a capacidade de tomar ações corretivas, como o replantio. Replantios tardios podem aumentar a heterogeneidade da floresta e resultar na formação incompleta do estande, gerando custos sem os benefícios esperados.

Quando fundei a Field Eyes em 2023, um questionamento recorrente de potenciais usuários  era quando teríamos a avaliação da sobrevivência pós-plantio a partir dos 30 dias. Mas dependíamos dos avanços na resolução espacial dos sensores necessários para viabilizar tal análise, mas, com o progresso em Deep Learning e Machine Learning, os resultados satisfatórios estavam mais próximos. Para isso, precisávamos de ortomosaicos com resolução de, pelo menos, 1 cm (GSD).
 

A nova geração de sensores e os desafios iniciais: Até então, os sensores disponíveis não permitiam voos economicamente viáveis em altíssima resolução (GSD de 1 cm), pois a autonomia das baterias era limitada. Além disso, sensores com melhor qualidade ofereciam, no máximo, 2-3 cm de GSD, de forma operacional, insuficientes para identificar mudas recém-plantadas.

No final de 2024, por meio da antiga parceria, recebemos ortoimagens RGB com 1,5 cm de resolução espacial, obtidas por dois novos sensores: o Matrice 300/350 com Câmera P1 (CCD Full Frame de 45 MP), e o Wingtra com Câmera RGB61 (CCD Full Frame de 61 MP).
 

As imagens foram capturadas em uma área de plantio com 30/45 dias, e, ao analisarmos os mosaicos, percebemos um salto significativo na qualidade. Os novos sensores Full Frame com espectro eletromagnético visível demonstraram alto potencial para entregar ortomosaicos superiores aos obtidos anteriormente.

Com essas imagens, treinamos modelos de Deep Learning para identificar mudas e localizar falhas de plantio por meio de análise espacial. Apresentamos esses resultados no evento de comemoração dos 10 anos do Grupo PCMAF do IPEF, em Três Lagoas-MS, na sede da Suzano.

Refinamento do processo e desafios superados: Durante as provas de conceito (Proof of Concept - POC), encontramos três grandes desafios: 1. Seca severa que atingiu o país no segundo semestre de 2024; 2. Falta de um padrão para a obtenção dos ortomosaicos; e 3. Deficiência na capacitação dos técnicos na marcação das mudas para treinamento das redes de Deep Learning.

Inicialmente, subestimamos a complexidade do processo e obtivemos resultados insatisfatórios. Ajustamos o padrão de coleta de imagens e capacitamos a equipe, garantindo melhor consistência na identificação das mudas. 

Em 2025, refizemos o processo em duas áreas: uma de reforma e outra de implantação. Além disso, um novo desafio surgiu: realizar a análise de sobrevivência no 15º dia pós-plantio, reportando os resultados até o 20º dia. Para isso, utilizamos o conjunto Matrice 300/350 com a Câmera P1. Definimos um GSD de 1 cm e seguimos um cronograma rigoroso:

• Dia 1: Coleta das imagens;

• Dia 2: Geração do ortomosaico;

• Dia 3: Seleção de 500 mudas para treinamento;

• Dia 4: Treinamento do modelo Deep Learning;

• Dia 5: Revisão dos resultados, análise espacial das falhas e entrega do produto.

Os resultados foram expressivos: a área de Reforma com F-Score médio de 92,9%, acurácia de 87,0% e precisão de 94,2% (conforme demonstrado na tabela e figura 1 da página seguinte); e a área de Implantação com F-Score médio de 96,9%, acurácia de 94,1% e precisão de 99,6% (tabela e figura 2, também na página seguinte)

Conclusão: A evolução dos sensores embarcados em drones, aliada aos avanços em algoritmos de Deep Learning, marca uma transformação significativa no monitoramento florestal. Essa tecnologia atende a uma demanda histórica do setor, permitindo a avaliação da sobrevivência pós-plantio de forma abrangente, por meio de censos completos, em vez de amostragens pontuais nos talhões. O processo desenvolvido possibilita a análise da sobrevivência das mudas já no 15º dia após o plantio, com a entrega dos resultados até o 21º dia. Isso viabiliza intervenções rápidas e eficazes, aumentando a eficiência no manejo florestal. Além disso, como subprodutos temos a atualização dos limites do talhão, e uma análise detalhada dos resultados permite identificar oportunidades operacionais, permitindo ações estratégicos e direcionados.

Com essa abordagem, estamos aprimorando a tomada de decisão no campo, bem como garantindo maior uniformidade dos talhões, otimizamos recursos e, consequentemente, apoio para uma máxima produtividade florestal.

ÁREA DE REFORMA:

 

ÁREA DE IMPLANTAÇÃO: