Aprendizado de máquina para soluções agrícolas e florestais


A ascensão da Inteligência Artificial nos últimos anos vem beneficiando inúmeras áreas. Uma destas áreas que, cada vez mais, vem investindo nesta tecnologia é a Agricultura. Os agricultores, há tempos, enfrentam grandes desafios como a má utilização do solo, as invasões de terras e as pragas e doenças em plantas. Com o intuito de sanar estes problemas, algumas técnicas de Machine Learning podem ser aplicadas.


Machine Learning (em português: “Aprendizado de Máquina”) é uma subárea da Inteligência Artificial que consiste em aprender algum problema através de uma base de dados fornecida pelos desenvolvedores e, consequentemente, construir um modelo a fim de tomar decisões guiadas pelos dados.


Através do sensoriamento remoto com drones ou utilizando imagens via satélites, podemos obter um vasto conjunto de imagens de diversas culturas. Isto é muito importante, pois desta maneira nós conseguimos criar bases de dados para alimentar os algoritmos de aprendizado de máquina e, consequentemente, solucionar alguns problemas que a agricultura enfrenta, como por exemplo a detecção de doenças em árvores.


Um dos problemas que podemos detectar é o nível de saúde das árvores (se estão mortas, secas ou morrendo), causada por fatores de natureza nutricional. No exemplo abaixo, obtemos uma base de dados de imagens multiespectrais para fazer a alimentação do algoritmo. Assim utilizando algoritmos de aprendizado de máquina conseguimos predizer o estado de saúde em uma determinada plantação.

No exemplo, utilizamos uma imagem multiespectral como entrada do algoritmo, como saída, nós obtemos as marcações, indicando o estado de saúde do eucalipto. Os losangos azuis informam que a árvore está morrendo e os vermelhos informam que a mesma está morta ou seca. Os quadrados são amostras de treinamento para que o algoritmo aprenda a detectar o problema em questão.


Esta é apenas uma de várias áreas que conseguimos aperfeiçoar o processo de produção, minimizar os custos e evitar desperdícios. Mas para que isto seja possível, faz-se necessário uma grande quantidade de dados e desenvolvedores capacitados para criar algoritmos de machine learning aplicáveis às imagens do cliente.