Detetives de plantas e engenheiros da Universidade da Flórida estão usando inteligência artificial para encontrar uma doença precocemente, para que os produtores que produzem abóbora possam mantê-la sob controle. A detecção precoce dá aos agricultores uma oportunidade de lutar por uma colheita melhor.
As abóboras de verão e de inverno são cultivadas comercialmente em todo o estado, especialmente no sudeste e sudoeste da Flórida. Em 2019, os produtores da Flórida colheram 7,700 acres de abóbora, com um valor de produção de US$ 35.4 milhões, de acordo com o Serviço Nacional de Estatísticas Agrícolas do USDA. Mas a doença do oídio, comum em todo o mundo, pode diminuir a produtividade.
“O ambiente ideal para a infecção do oídio é o clima úmido, plantio de alta densidade e sombra”, disse Yiannis Ampatzidis, professor assistente de engenharia agrícola e biológica da UF/IFAS e coautor de um novo estudo sobre detecção precoce de oídio, publicado na revista Biosystems Engineering.
Para o estudo, os pesquisadores da UF/IFAS usaram um sistema de detecção acoplado a drones para coletar dados espectrais de oídio em abóboras nos campos e laboratórios do Centro de Pesquisa e Educação do Sudoeste da Flórida da UF/IFAS.
Os pesquisadores da UF/IFAS usaram tecnologia que não depende de sintomas visuais para detectar o oídio, disse Ampatzidis. Os olhos humanos podem ver apenas a parte luminosa do espectro eletromagnético. Esta tecnologia pode “ver” mais. Assim, os investigadores utilizaram este estudo para identificar os melhores comprimentos de onda para a detecção precoce do oídio – em folhas que não apresentavam sintomas ou exibiam sintomas precoces.
Os pesquisadores usaram o aprendizado de máquina – um subconjunto da inteligência artificial – que pode “aprender” a partir de dados espectrais para detectar o oídio. Os dados vieram de drones e sistemas de detecção baseados em terra. O modelo treinado de aprendizado de máquina identificou o oídio em diferentes estágios de desenvolvimento da doença, disse Ampatzidis. O sistema de aprendizado de máquina constrói um modelo matemático para detectar o oídio sem ser programado por um ser humano para seguir etapas específicas.
Com as imagens e a análise de refletância espectral das folhas de abóbora, os cientistas detectaram pó em cerca de 95% das vezes. Na verdade, mesmo sem sintomas visíveis da doença, a tecnologia mostrou a doença aos pesquisadores de 82% a 89% das vezes.
“É crucial identificar precocemente o oídio, uma vez que a doença se espalha rapidamente e as lesões aumentam de tamanho, desenvolvendo uma camada empoeirada branca ou cinza”, disse Ampatzidis, conselheiro docente de Jaafar Abdulridha, pesquisador de pós-doutorado da UF/IFAS que liderou o estudo.
Pamela Roberts, professora de fitopatologia da UF/IFAS, precisa de dados de engenheiros como Ampatzidis, para ajudá-la a encontrar doenças nos estágios iniciais. Ela compara isso à detecção precoce de doenças humanas.
“A detecção precoce de qualquer problema de saúde, seja em humanos ou em plantas, oferece a melhor chance de controlá-lo através de uma intervenção precoce”, disse Roberts, coautor do estudo. “Da mesma forma, as doenças das plantas são mais facilmente controladas no início, quando a população de patógenos é baixa, em comparação com o período posterior da epidemia.”
“Além disso, esta tecnologia pode realmente diminuir o uso de sprays químicos, eliminando aplicações que poderiam ser feitas antes de haver realmente qualquer doença para controlar”, disse ela. “Como o oídio é um problema crônico na abóbora no sudoeste da Flórida, é apenas uma questão de quando, e não se, a doença aparecerá. O momento preciso da aplicação de fungicidas, seja na agricultura convencional ou orgânica, pode aumentar a eficácia do produto e diminuir as perdas.”
Os principais sintomas do oídio são manchas ou manchas brancas, geralmente nas folhas. Diagnosticar o oídio nos estágios iniciais da infecção é difícil devido aos sintomas nas folhas mais baixas e mais maduras, que geralmente são cobertas por outras folhas.
“Resumindo, uma doença pode alterar as propriedades das folhas e afetar a quantidade de luz refletida nas folhas em áreas fora do espectro visível, que os humanos não podem ver”, disse Ampatzidis.
- Brad Buck, Universidade da Flórida