A IA poderá em breve trabalhar ao lado dos humanos para cultivar o morango perfeito.
Os investigadores da Western University desenvolveram um sistema de IA que promete transformar a forma como cultivamos um dos frutos preferidos do mundo - o morango - com potenciais efeitos em cadeia em todo o sector agrícola.
E não, isto não está relacionado com OpenAImodelo o1 do 's, anteriormente com o nome de código "Projeto Strawberry".
O estudopublicado na revista Foods, mostra um notável salto em frente na tecnologia agrícola.
Utilizando técnicas avançadas de aprendizagem automática, a equipa criou um sistema capaz de detetar o estado de maturação e as doenças dos morangos com uma precisão de quase 99% - tudo através de uma simples monitorização por câmara.
"Queríamos reduzir o tamanho desses modelos de IA para torná-los algo viável para os agricultores e a produção localizada", disse Joshua Pearce, presidente da cadeira John M. Thompson em Tecnologia da Informação e Inovação na Western Engineering e na Ivey Business School.
"Não queríamos apenas aumentar a precisão, que é superior a 98%, mas também reduzir o tamanho dos modelos."
O que distingue esta investigação é o seu enfoque na acessibilidade. Ao contrário de muitas soluções agrícolas de alta tecnologia que se destinam a operações em grande escala, Pearce e o seu colega Soodeh Nikan conceberam o seu sistema a pensar nas pequenas e médias explorações agrícolas.
A metodologia da equipa combinou técnicas inovadoras de IA com conhecimentos práticos de agricultura:
- Começaram por recolher diversos conjuntos de imagens de morangos, incluindo frutos saudáveis e frutos afectados por várias doenças.
- Estas imagens foram depois processadas e aumentadas para criar um conjunto de dados de treino robusto.
- Os investigadores afinaram três modelos de IA diferentes - Vision Transformer, MobileNetV2 e ResNet18 - cada um deles com caraterísticas únicas para a tarefa.
- Para garantir que a IA conseguia lidar com a variabilidade do mundo real, incorporaram técnicas como a ponderação de classes e a geração de imagens sintéticas.
- Talvez o mais importante seja o facto de terem integrado "mecanismos de atenção" nos modelos, permitindo que a IA se concentre nas partes mais relevantes de cada imagem.
O sistema destaca-se em duas tarefas principais:
- Deteção de maturação: Pode classificar com precisão os morangos como maduros ou não maduros, ajudando os agricultores a otimizar o momento da colheita.
- Identificação da doença: A IA pode detetar e identificar sete tipos distintos de doenças do morangueiro: mancha angular da folha, podridão da fruta antracnose, míldio da flor, bolor cinzento, mancha da folha, oídio da fruta e oídio da folha.
Os resultados falam por si. Com taxas de precisão a rondar os 98%, o sistema supera por larga margem as tentativas anteriores de monitorização automática de morangos.
No entanto, as implicações desta investigação vão muito para além da simples melhoria da produção de morangos.
O potencial de redução do desperdício alimentar é também evidente. De acordo com a Organização das Nações Unidas para a Alimentação e a Agricultura, aproximadamente 14% dos alimentos produzidos perde-se entre a colheita e a venda a retalho.
Tecnologias como este sistema de IA poderiam ajudar a resolver este problema, optimizando o momento da colheita e reduzindo as perdas devidas a doenças ou ao excesso de maturação.
"Reduzir o desperdício e o custo dos alimentos é obviamente uma questão importante nos dias de hoje. Como toda a gente, fico sempre surpreendido quando vou à mercearia e vejo o preço dos frutos e legumes frescos", disse Nikan.
"Quando escolho projectos, procuro normalmente algo que seja crítico para a segurança ou uma necessidade social. Com a minha experiência noutras aplicações, aproveitei a oportunidade para aplicar os meus conhecimentos e experiência à segurança alimentar."
Olhando para o futuro, a equipa já está a planear testar o seu sistema em ambientes exteriores, utilizando potencialmente drones para uma monitorização de campo mais ampla.
Estão também a explorar a utilização de imagens sintéticas geradas por IA para reduzir ainda mais os requisitos de dados para treinar modelos eficazes.
"Em vez de tirarmos imagens de milhões de morangos, que é uma abordagem de baixa eficiência e de alto custo, estamos a utilizar imagens sintéticas e software de código aberto para criarmos milhões de imagens, com uma potência informática relativamente baixa, o que nos permite agora fazer observações altamente granulares sobre a maturação e as doenças de plantas muito específicas", disse Nikan.
Pearce acrescentou: "O software é totalmente gratuito e de código aberto e os agricultores de qualquer tipo podem descarregá-lo e adaptá-lo às suas necessidades. Podem preferir que o sistema de IA lhes envie um e-mail ou um ping para o telefone quando detecta uma doença ou até mesmo encaminhar uma imagem de uma planta específica que está pronta para ser colhida. O software é muito aberto para o tornar seu".
