A inteligência artificial apoia cada vez mais os agricultores em áreas como a rega de precisão, a previsão de colheitas e a monitorização
Quando visitei uma feira agrícola em Izmir, na Turquia, há três anos, a utilização de inteligência artificial na agricultura limitava‑se ao cálculo de inventário e era oferecida como produto especializado por empresas com stands bem atrás dos grandes fabricantes de tratores.
PUBLICIDADE
PUBLICIDADE
Mas isso está a mudar.
Apresentam‑se cinco formas como a IA está a transformar a forma como produzimos alimentos e rações:
Monitorizar as culturas
A monitorização das culturas continua a depender sobretudo da intuição. Os agricultores precisam de saber como as suas culturas são afetadas por pragas e doenças em função da época do ano, do vento e do clima.
Mas isso está a mudar.
Drones e imagens de satélite alimentam modelos de visão computacional que detetam infeções fúngicas ou pragas muito antes de o olho humano as conseguir ver e recomendam a aplicação de produtos de proteção das culturas, ou pesticidas, de forma mais eficaz. Se os agricultores utilizarem sensores de solo, esse conjunto de dados torna‑se ainda mais completo.
Prever a produção
Tal como na monitorização das culturas, a previsão de produção com recurso a sensores permite aos agricultores terem não só um inventário do que já colheram, mas também do que estão prestes a colher. A Syngenta desenvolveu uma GenAI que atinge 95% de precisão na previsão de rendimentos e que fornece igualmente recomendações sobre a colocação das sementes.
A previsão é importante porque os agricultores precisam de preparar antecipadamente a logística das suas culturas. Quanto mais informação rigorosa conseguirem fornecer a retalhistas e empresas de transporte, menos dinheiro perdem.
Um estudo encomendado pela National Corn Growers Association e realizado por economistas agrícolas da Virginia Tech, intitulado “What Do We Know About the Accuracy and Impact of USDA Forecasts”, avaliou diretamente o valor dos relatórios WASDE (World Agricultural Supply and Demand Estimates) do USDA para o mercado do milho.
O estudo estimou o valor anual dessas informações de previsão em cerca de 301 milhões de dólares (258,9 milhões de euros), o equivalente a aproximadamente 0,55% do valor total do mercado do milho, desagregado por componente: as estimativas de área contribuíram com cerca de 145 milhões de dólares (124,8 milhões de euros), o rendimento com cerca de 188 milhões de dólares (161,8 milhões de euros), a produção com cerca de 299 milhões de dólares (257,3 milhões de euros) e as estimativas de exportação com cerca de 320 milhões de dólares (275,4 milhões de euros).
Robots na agricultura
A robótica está a expandir‑se num mundo marcado pela IA, porque não se trata apenas de veículos autónomos a conduzir‑nos pelas cidades: a aplicação estende‑se também a tratores e a outros equipamentos de campo, que podem ser automatizados com IA.
A John Deere tem avançado no sentido de tratores totalmente autónomos e o LaserWeeder da Carbon Robotics é um bom exemplo concreto: utiliza 24 lasers, 36 câmaras e 24 GPUs NVIDIA para identificar e eliminar até 10 000 ervas daninhas por minuto em mais de 100 tipos de cultura, com base em 150 milhões de imagens de plantas etiquetadas provenientes de máquinas já em funcionamento em 15 países.
Rega de precisão
A rega é uma ciência que, até agora, dependia sobretudo da experiência do agricultor. A rega de precisão não é nova, já existem sistemas de rega automatizados, mas continuam a depender da introdução manual de dados pelos agricultores.
Sistemas de fusão de sensores que combinam humidade do solo, temperatura da copa das plantas e previsões meteorológicas estão a ser usados para reduzir o consumo de água em cerca de 30%, aumentando ao mesmo tempo a produtividade em algumas aplicações (num caso documentado em plantações de cana‑de‑açúcar na Índia, a redução de 30% na água foi acompanhada por um aumento de 40% no rendimento).
Da mesma forma, sistemas de pulverização de taxa variável aplicam pesticidas apenas onde são necessários, reduzindo os volumes de químicos e criando registos de auditoria que facilitam o cumprimento das normas.
IA na pecuária
Quanto maior é a exploração, mais difícil se torna assegurar o bem‑estar e a rentabilidade dos animais. Soluções de IA aplicadas à pecuária recorrem a visão computacional e a sensores vestíveis (acelerómetros, monitores biométricos) para detetar sinais de doença vários dias antes de surgirem sintomas visíveis, o que reduz o uso de antibióticos e melhora os indicadores de bem‑estar animal, cada vez mais relevantes perante o aumento da pressão regulatória e dos retalhistas sobre o uso de antibióticos na carne e nos lacticínios.
Este artigo foi originalmente publicado na EU Tech Loop (fonte em inglês) e foi partilhado na Euronews no âmbito de um acordo de syndication.