Destaque
Projetos conjuntos da Agronomia e Computação utilizam Inteligência Artificial contra ferrugem asiática
Dois projetos de pesquisa uniram as áreas de Agronomia e Ciência da Computação para utilização de Inteligência Artificial (IA) no combate à ferrugem da soja, também conhecida como ferrugem asiática. A doença é causada por um fungo (Phakopsora pachyrhizi) que surgiu no Brasil em 2002, espalhou-se rapidamente e se tornou a principal praga da soja no país, chegando a causar bilhões de reais em prejuízo numa única safra, como aconteceu em 2005/2006.
Os sintomas mais característicos aparecem nas folhas, que começam a apresentar pequenos pontos de cor mais escura, até que mudam de cor completamente e caem. As primeiras lesões aparecem poucos dias depois da infecção e o fungo espalha seus esporos pelo vento. É justamente na coloração das folhas como sintoma que está o foco de um dos projetos de pesquisa.
É como se o olhar de um observador (um agrônomo ou um produtor, por exemplo) fosse ampliado e melhorado inúmeras vezes. Um dos projetos pesquisa o nível de severidade da doença observando a coloração, mas com base em pixels, ou seja, unidades fundamentais de uma imagem digital. A palavra deriva da junção de picture e element, e designa uma unidade com três cores básicas – as mesmas da televisão: vermelho, verde e azul. Cada cor possui 256 tonalidades, o que fornece até 16 milhões de combinações.
Esta quantidade de dados é que alimenta a Inteligência Artificial, programada para identificar as cores e calcular o nível de severidade da doença nas folhas. O projeto coletou 70 imagens de plantas de soja com 80 mil pixels e verificou sete níveis de severidade. O algoritmo criado respondeu com 93% de precisão, ou seja, em todos estes casos o pixel apontou corretamente o nível de severidade da doença na planta, em comparação com padrões já conhecidos. A conclusão dos pesquisadores é que é possível criar um modelo confiável baseado nesta ferramenta.
Um dos problemas que muitos pesquisadores da IA enfrentam é conhecido como “problema da caixa preta”. É que embora a IA forneça os resultados esperados e positivos, não se sabe exatamente como ela o fez, o que pode ser uma dificuldade quando se deseja reproduzir os testes. Mas como explica o professor Dr. Alan Salvany Felinto (Computação), é possível superar o problema. “A Inteligência Artificial resolve “um monte de ‘se’” de forma rápida e complexa, e a grande quantidade de dados é que garante a confiabilidade”, diz. A palavra chave que explica o sucesso da ideia é “calibrar”. Corretamente calibrada, a IA pode fazer isso e muito mais, assegura o professor Alan.
Acesse a notícia completa na página da UEL.
Fonte: José de Arimathéia, Agência UEL – O Perobal.
Os comentários constituem um espaço importante para a livre manifestação dos usuários, desde que cadastrados no Canal Nutrição e que respeitem os Termos e Condições de Uso. Portanto, cada comentário é de responsabilidade exclusiva do usuário que o assina, não representando a opinião do Canal Nutrição, que pode retirar, sem prévio aviso, comentários postados que não estejam de acordo com estas regras.
Por favor, faça Login para comentar