A agricultura é uma das principais atividades econômicas em todo o mundo, sendo responsável pela produção de alimentos e outros produtos essenciais para a sociedade.
No entanto, a produção agrícola enfrenta desafios significativos devido a uma série de fatores, incluindo pragas, mudanças climáticas e, principalmente, doenças que afetam as plantas. O controle eficiente dessas doenças é crucial para manter a produtividade agrícola e garantir a segurança alimentar global.
Tradicionalmente, o diagnóstico de doenças em plantas tem sido realizado por especialistas agronômicos ou fitopatologistas, o que pode ser um processo demorado e sujeito a erros humanos.
Entretanto, nos últimos anos, o avanço da tecnologia tem permitido o desenvolvimento de ferramentas automáticas para auxiliar no diagnóstico de doenças agrícolas. A combinação do uso do sensor LiDAR (Light Detection and Ranging) instalado em um drone e a aplicação de técnicas de Processamento de Imagens (PDI) com técnicas de Inteligência Artificial (IA) para análise de imagens de plantas, é uma ferramenta promissora e eficaz para a identificação e classificação de doenças em plantas de forma automatizada e precisa.
A classificação e análise de imagens digitais capturadas diretamente via drone permitem que os agricultores obtenham informações em tempo real sobre a saúde de suas lavouras, possibilitando uma intervenção rápida e eficiente.
A detecção automatizada desses sintomas por meio de filtros de processamento de imagens, seguida de uma análise precisa por meio de algoritmos de classificação, pode auxiliar os agricultores no diagnóstico precoce de doenças, reduzindo perdas e aumentando a eficácia no controle de pragas e doenças.
Tais fatores são um dos grandes desafios enfrentados pelos agricultores, mas com o avanço das tecnologias IoTs (Internet of Things), a agricultura foi uma das grandes áreas que fizeram a utilização de equipamentos e tecnologias avançadas para otimização e conservação das plantas.
Em testes experimentais realizados, seguindo essa metodologia de aplicação, com imagens de folhas com algumas das principais doenças em plantas (ferrugem, por exemplo), e foram obtidos resultados primordialmente satisfatórios e promissores.
Créditos:
Eloisa Vitória Rodrigues
Gabriel Mani Ananias
João Victor Bertasso Branzan Gonçalves
Graduandos do 3° ano do curso de
Ciência da Computação na UNIP
Prof. M.Sc. Jonathan Rogéri
Comentários