Samuel de Assis Silva
Professor de Mecanização Agrícola da Universidade Federal do Espírito Santo
OpCP79
Soluções digitais para agricultura e silvicultura
Com um mundo em constante evolução, diferentes áreas do conhecimento têm vivenciado transformações vertiginosas que alteram substancialmente a forma como se lida com as atividades ordinárias dos respectivos setores. Tais transformações advêm, em muito, das ferramentas digitais que estão cada vez mais presentes no dia a dia das sociedades.
Nas ciências agrárias, as tecnologias digitais têm oportunizado grandes revoluções, principalmente nas etapas de gestão e manejo agrícola e florestal. Por mais que, em comparação a outros segmentos, essas alterações possam ainda parecer tímidas, quando analisamos a complexidade e dinamismo do setor, elas são significativas. Em ambientes onde as fontes de variação são limitadas e controladas, a adoção de tecnologias é mais fácil (o que não significa ser mais simplória), entretanto, quando expandimos para realidades onde estas são diversas e com padrões difíceis de serem estabelecidos, o desafio é muito grande.
Apesar dos desafios enfrentados na agricultura e silvicultura, algumas ferramentas digitais têm mudado drasticamente a realidade no campo. Impulsionada por máquinas precisas, sensoriamento remoto e inteligência artificial e por soluções ainda mais disruptivas, ferramentas e soluções digitais têm sido desenvolvidas com o objetivo de escalonar e aumentar o detalhamento dos monitoramentos, ampliar a velocidade, a automação e a precisão das tomadas de decisão e, não obstante, minimizar os impactos das atividades, garantindo produções agrícolas e florestais ainda mais sustentáveis.
A revolução digital que evidenciamos hoje teve início com a Agricultura (AP) e a Silvicultura de Precisão (SP), em especial no início da década de 1990, com a primeira delas. Com a AP e a SP, máquinas com elevado e variado aparato eletrônico embarcado começaram a surgir no mercado, em especial as dotadas de sistemas de navegação por satélite e de controladores e atuadores que permitiam variar a dose de um determinado insumo a partir de mapas de prescrição construídos por interpolação.
Com o avanço da digitalização, melhorou-se tanto a capacidade de monitoramento das condições e fatores envolvidos na produção agrícola e florestal, bem como as tomadas de decisão e intervenções. Máquinas precisas, com sistemas autônomos, piloto automático, reguladores de vazão e atuadores para intervenções localizadas têm crescido em uso e eficiência, permitindo maior precisão e uniformidade nas operações.
Tecnologias de aplicação de insumos a taxa variável ajustam a quantidade de sementes/mudas, fertilizantes e defensivos conforme as necessidades específicas de cada área da lavoura ou floresta, otimizando recursos e aumentando a produtividade e a lucratividade do setor.
No campo do sensoriamento e da inteligência artificial (IA) os avanços são ainda maiores. Sensores capazes de avaliar o vigor vegetativo das plantas, detectar e monitorar estresses bióticos e abióticos, como o ataque de pragas e doenças, e aqueles destinados a variáveis de solo têm oferecido a possibilidade de um entendimento mais amplo e detalhado sobre os campos de produção e sobre a integração de variáveis que concorrem para maiores produtividades e qualidades dos produtos colhidos.
Sensores de solo, por exemplo, têm assegurado respostas em tempo real sobre variáveis envolvidas no manejo da irrigação em áreas agrícolas, assegurando, em alguns casos, até 20% de economia de água, otimizando a produção sem comprometer a produtividade.
Para o monitoramento do pragas e doenças, diversas iniciativas têm utilizado distintas plataformas e sensores visando monitorar surtos de lagartas desfolhadoras em eucalipto e/ou doenças em cultivos agrícolas. No âmbito da academia, temos desenvolvido soluções, adaptando ferramentas já existentes e/ou desenvolvendo novas, objetivando descrever surtos de pragas e estresses ocasionados por doenças, antes do atingimento ao nível de dano econômico. Esses avanços somente são possíveis com a integração entre sensores, plataformas transportadoras (sejam áreas – drones, sejam orbitais – satélites ou até mesmo terrestres – robôs autônomos) e algoritmos de Inteligência Artificial.
A IA proporciona a segmentação de padrões, a simulação de sistemas complexos e o processamento de uma quantidade massiva de dados, entregando insights importantes para a gestão dos campos de produção. Modelos de IA aplicados a imagens de áreas multiespectrais nos permitiram desenvolver um sistema capaz de identificar, em lavoura agrícola comercial, plantas infestadas por fungos fitopatogênicos.
Mais importante que isso, quando integramos sistemas de monitoramento com sistemas de tomada de decisão (também construídos a partir de IA), conseguimos fechar o ciclo de manejo com precisão nos monitoramentos, assertividade nas detecções (e indicação dos níveis de severidade) e maior eficiência e velocidade nas tomadas de decisão.
Na vanguarda da tecnologia, encontram-se os sensores e modelos baseados em Internet das Coisas (IoT). Estes têm a capacidade de comunicação em tempo real com unidades inteligentes de processamento e gestão de dados, fazendo uma interface clara e objetiva entre os campos de produção e cérebros artificiais, os quais processam e propõem intervenções em altíssima velocidade e/ou enviam informações para atuadores que entram em ação aplicando autonomamente a prática de manejo.
Em fração de segundos, saímos do monitoramento para a tomada de decisão e a aplicação da ação de manejo necessária. Em silvicultura, por exemplo, sistemas de detecção do tipo “You Only Look Once” (YOLO) para deteção de objetos e segmentação de imagens em tempo real conectados diretamente com aqueles para aplicação de água ou herbicida têm prometido uma revolução tanto para o manejo de irrigação, quanto para a aplicação localizada de herbicidas.
Atualmente, estamos tratando a Agricultura e a Silvicultura como atividades orientadas por dados. Por assim ser, a capacidade de levantamento, armazenamento, processamento e compartilhamento destes deve ser elevada e segura.
Neste sentido, uma tendência está na tecnologia blockchain, a qual, além de permitir o compartilhamento de dados de forma segura em uma rede fechada e/ou aberta de computadores, permite a construção de bancos descentralizados que armazenam informações em blocos interligados, formando uma cadeia, reduzindo o tempo de transferência, sem alterá-los e com segurança. Essa tecnologia tem sido amplamente utilizada ao longo do globo para fornecer transparência na rastreabilidade de diferentes cadeias produtivas.
Um ponto que ainda é carente, mas cuja perspectiva é positiva, está na integração de sistemas e tecnologias. Essa integração é fundamental para que as diversas soluções individualizadas possam originar uma única que abranja uma quantidade maior de práticas e ofereça maior assertividade em todo o processo.
Adicionalmente, vislumbra-se a tecnologia como uma forte aliada da sustentabilidade e segurança alimentar e ambiental. Dentro de uma agenda global cada vez mais verde e sustentável, as tecnologias são importantes aliados de produtores agrícolas e gestores florestais.
Mapeamento de condutividade elétrica aparente do solo em lavoura de agrícola, utilizando sensor portátil visando a predição de atributos físicos e químicos do solo.
Identificação automatizada de plantas doentes em lavoura agrícola após integração de imagens multiespectrais levantadas com sensor ótimo embarcado em drone e sistemas de deteção desenvolvidos a partir de inteligência artificial.
Sistema sensor embarcado em drone para segmentação, via sensoriamento remoto aéreo com sensor multiespectral, de plantas infestadas por doenças fúngicas em cultivo agrícola.
Mapeamento de condutividade elétrica aparente do solo (CEa) em lavoura agrícola e mapas real de potássio em comparação com o predito a partir da CEa e utilizando modelos de inteligência artificial.
Sensores portáteis para determinação da condutividade elétrica aparente (CEa) do solo e mapeamento de CEa em lavoura agrícola e mapas real de potássio em comparação com o predito a partir da CEa e utilizando modelos de inteligência artificial.
Ciclo de Agricultura e Silvicultura de Precisão, incluindo as etapas de digitalização visando o monitoramento, processamento, tomada de decisão e atuação assertiva no manejo agrícola e florestal.
Cultivo de eucalipto submetido a aplicação localizada de herbicidas a taxa variável após determinação, por inteligência artificial, dos níveis de infestação.
Classificação automatizada de plantas daninhas em áreas de cultivo de eucalipto. Associação entre sensoriamento remoto aéreo e inteligência artificial baseada em redes neurais artificiais para definição do nível de infestação e aplicação localizada de herbicidas.