Plataforma digital desenvolvida por cientistas brasileiros monitora lavouras em tempo real e orienta manejo.
A ferrugem asiática continua sendo uma das doenças mais severas da cultura da soja no Brasil, representando um grande desafio para produtores rurais. Causada pelo fungo Phakopsora pachyrhizi, a enfermidade pode provocar perdas de até 80% na produção, segundo dados da Embrapa, além de gerar custos de controle que ultrapassam US$ 2 bilhões por safra.
Diante desse cenário, cientistas brasileiros desenvolveram uma plataforma digital baseada em inteligência artificial para diagnosticar e monitorar a ferrugem asiática da soja. O sistema integra dados climáticos, informações agronômicas e imagens digitais das folhas, permitindo gerar relatórios de risco e recomendações técnicas de manejo em tempo real.
A ferramenta funciona em ambiente de nuvem e foi criada dentro do projeto “Ferramenta Digital Avançada para o Gerenciamento de Riscos Agrícolas”, financiado pela Fundação de Amparo à Pesquisa do Estado de São Paulo. O trabalho foi desenvolvido durante o doutorado do cientista da computação Ricardo Alexandre Neves, na Universidade Federal de São Carlos, com orientação do pesquisador Paulo Cruvinel, da Embrapa Instrumentação.
O sistema reúne sensores ambientais, parâmetros de cultivo como variedade, espaçamento e época de plantio, além de imagens digitais das folhas da soja. Todas essas informações são organizadas em um painel on-line interativo que permite acompanhar séries históricas e monitorar o avanço da doença nas lavouras.
Com base nos dados coletados, a tecnologia classifica o risco da ferrugem asiática em três níveis: baixo, médio e alto. A análise considera fatores como umidade relativa acima de 90%, temperaturas entre 15 °C e 28 °C e o tempo de molhamento das folhas, condições consideradas ideais para o desenvolvimento do fungo.
O modelo também analisa padrões de cor das folhas, identificando variações entre verde, amarelo e marrom, que indicam o estágio de evolução da doença. Para realizar as previsões, o sistema utiliza o método de Cadeias Ocultas de Markov, que apresentou 100% de acerto nos testes realizados, superando outras metodologias utilizadas anteriormente.
Durante quatro anos de testes em áreas produtivas georreferenciadas, pesquisadores processaram mais de 2 gigabytes de dados por ciclo produtivo, reunindo informações climáticas e imagens coletadas em condições controladas. A tecnologia permite que o produtor acompanhe o estágio da doença e receba recomendações agronômicas personalizadas diretamente no painel do sistema.
Segundo os pesquisadores, a plataforma ajuda a reduzir o uso excessivo de fungicidas, evita diagnósticos equivocados e melhora a eficiência das decisões no campo, diminuindo custos de produção e impactos ambientais. Além do uso no agronegócio, o projeto também vem sendo aplicado no ensino técnico e superior, contribuindo para formar profissionais preparados para os desafios da agricultura digital e sustentável. 🌱📊
