Análise de viabilidade de um sistema com Visão Computacional e Inteligência Artificial em nuvem para monitoramento da praga Diatraea saccharalis em plantações de cana-de-açúcar

• Processo: 24/12238-6
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de junho de 2025
• Data de Término da vigência: 28 de fevereiro de 2026
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Diego Rafael Moraes
• Beneficiário: Diego Rafael Moraes
• Empresa: MORAES E DE GROOTE CENTRO DE IA E VISAO COMPUTACIONAL LTDA
• CNAE: Cultivo de cana-de-açúcar ; Atividades de apoio à agricultura
• Município: Sertãozinho
• Pesquisadores principais: Jean-Jacques Georges Soares De Groote
• Bolsa(s) vinculada(s): 25/10196-7 - Análise de viabilidade de um sistema com Visão Computacional e Inteligência Artificial em nuvem para monitoramento da praga Diatraea saccharalis em plantações de cana-de-açúcar, BP.PIPE
• Assunto(s): Cana-de-açúcar Diatraea saccharalis Monitoramento Visão computacional Agricultura de precisão
• Palavra(s)-Chave do Pesquisador: Cana de Açúcar | Diatraea saccharalis | integração front e back end | medida de infestações | Monitoramento | Visão Computacional | Agricultura de precisão

Resumo

A principal praga da cultura canavieira é a broca da cana-de-açúcar, conhecida como Diatraea saccharalis, que em fase adulta é identificada em forma de uma mariposa. Na fase de lagarta causa o broqueamento nos colmos da cana, ocasionando perda de rendimento, podendo também levar a falhas na brotação que resultam em prejuízos anuais significativos, estimados em cerca de 5 bilhões de reais. A eficiência da gestão de insumos para o combate à praga está fortemente atrelada à precisão de estimativa do nível de infestação. Uma estratégia amplamente empregada para avaliar a infestação consiste na instalação de armadilhas, projetadas com papéis adesivos e um compartimento para armazenamento das fêmeas, com a finalidade de atrair os machos, tendo em vista que atualmente ainda não existem feromônios artificiais para esta espécie. O processo de registro de mariposas capturadas nas armadilhas é feito manualmente, com agentes coletando cada piso e anotando o número de insetos encontrados. Esta forma de operar ocasiona dificuldades aos produtores devido à necessidade de treinamento de pessoal para o registro correto da incidência dos insetos. O processo demanda tempo e atenção cuidadosa, já que a incidência pode envolver até 100 mariposas por armadilha, além de outros fatores que dificultam a identificação, como a presença de outros insetos, inclusive mariposas de outras espécies. Além disso, o ataque de formigas é frequente, deixando mariposas parcialmente devoradas. Nesse caso também é necessário contabilizar as asas que continuam presas à armadilha. Esses fatores tornam o método de registro manual, o mais utilizado, um obstáculo para a uniformização das estimativas de mariposas, tempo de treinamento dos inspetores, e para o registro e elaboração dos relatórios, o que acaba retardando as ações de combate às pragas. Este projeto propõe o desenvolvimento de um sistema que otimiza cada etapa do processo de registro e contabilização de mariposas, sem impactar substancialmente o custo empregado pelos produtores. O processo é iniciado pela captura das imagens por agentes em campo usando dispositivos móveis, mesmo em situações de sinal intermitente ou ausente, sejam wi-fi ou redes móveis. As imagens e dados das armadilhas são enviadas para servidores em nuvem, onde a identificação das mariposas é realizada por meio de Inteligência Artificial, utilizando redes neurais convolucionais de ponta. Os resultados são transformados automaticamente em relatórios e planilhas. O processo visa não apenas padronizar e uniformizar o sistema de contagem, mas também armazenar as imagens para fins de auditorias, aumentando a precisão e reduzindo significativamente o tempo entre a inspeção das armadilhas e a geração dos relatórios, permitindo uma ação mais rápida, acurada e precisa no combate às pragas. Para validar o processo proposto, considerando especialmente a necessidade de treinamento das redes neurais artificiais com imagens reais, a IA Sense buscou uma parceria para testes em campo. A empresa BioSolution irá disponibilizar acesso a seu grid de armadilhas já implantadas em canaviais, atendendo atualmente a 70.000 ha distribuídos em GO, SP, MA e BA. A utilização do sistema aqui proposto permitirá um aumento substancial da qualidade e confiança do processo de detecção de mariposas, possibilitando que as empresas que fornecem armadilhas entrem na linha de agricultura de precisão, expandindo seu mercado. Para os produtores, a solução terá o potencial de agilizar o manejo da praga, economizar recursos e também contribuir para a redução de danos ao ambiente, ao fornecer de forma eficiente informações necessárias para estimar com maior acurácia a quantidade de agrotóxicos aplicados nas plantações. Todo sistema tem o propósito de ser facilmente escalável, e os métodos podem ser atualizados com facilidade com a evolução dos sistemas de Visão Computacional. (AU)