Inglês 
Espanhol 
Cientistas na Rússia validam um método para detectar doenças de plantas ainda sem sintomas visíveis. Imagens hiperespectrais e inteligência artificial prometem monitorar lavouras por satélites e drones com maior precisão.
Pesquisadores da Escola de Engenharia Avançada “Engenharia Digital” da Universidade Politécnica de São Petersburgo, na Rússia, em parceria com o Instituto Nacional de Proteção de Plantas, desenvolveram um método para identificar doenças em culturas agrícolas na fase inicial. A técnica combina imagens hiperespectrais e inteligência artificial para detectar alterações invisíveis a olho nu, permitindo resposta mais rápida no campo.
Os resultados foram demonstrados no caso da ferrugem do trigo, uma das doenças mais prejudiciais para cereais. O estudo utilizou 864 imagens hiperespectrais de plantas saudáveis e infectadas, fornecendo base sólida para avaliação do desempenho dos algoritmos.
De acordo com o Ministério da Ciência e Educação Superior da Rússia, a informação sobre o avanço foi publicada no portal oficial da pasta. O veículo TV BRICS também reportou a pesquisa, reforçando a credibilidade e o potencial de aplicação do método na agricultura de precisão.
-
Sem diploma e sem saber programar, brasileiros são pagos até R$ 600 por hora para treinar inteligência artificial, corrigindo e desafiando justamente as máquinas que ameaçam tomar seus empregos
-
No Alasca, onde o frio bate -40°C, um cientista virou agricultor para armazenar alimentos sem energia: o calor dos próprios legumes aquece o galpão e liga os ventiladores até a -25°C
-
Robôs de uma empresa de petróleo encontraram, a quase 2 km de profundidade no Mar Mediterrâneo, um naufrágio cananeu de 3.300 anos com a carga intacta é o único navio da Idade do Bronze já descoberto em águas profundas e prova que marinheiros do mundo antigo navegavam em mar aberto usando as estrelas, sem avistar a costa, séculos antes do que os historiadores acreditavam
-
Nos EUA, milhares de pessoas estão sendo pagas para lavar louça e limpar a casa com câmeras no corpo, cada movimento vira dado para treinar robôs a imitar humanos, em um novo “bico digital” que pode redefinir o futuro do trabalho doméstico
Os autores destacam que a solução abre caminho para sistemas de monitoramento remoto por satélite e drones, capazes de cobrir grandes áreas com custo menor e agilidade superior. A proposta mira reduzir perdas, orientar o manejo e otimizar o uso de insumos nas lavouras.
Método baseado em imagens hiperespectrais e IA permite enxergar alterações invisíveis e superar limites de abordagens remotas comuns
O desafio das metodologias remotas tradicionais é a falta de detalhes suficientes em imagens convencionais para diagnosticar problemas no começo. Já a sensoriamento hiperespectral coleta assinaturas em centenas de bandas estreitas, capturando mudanças fisiológicas sutis nas plantas antes de qualquer sintoma visível.
Com algoritmos de aprendizado de máquina, os pesquisadores processam esses dados para separar padrões de plantas saudáveis e infectadas. Segundo o Ministério russo, essa combinação aumenta a sensibilidade do diagnóstico e antecipa intervenções, favorecendo o controle rápido de patógenos.
Teste com ferrugem do trigo valida a proposta com 864 imagens de plantas saudáveis e infectadas em condições desafiadoras
Na demonstração, a equipe utilizou 864 imagens hiperespectrais de amostras de trigo, cobrindo cenários com e sem infecção por ferrugem. O volume e a variedade de dados ajudaram a treinar e testar os modelos de forma robusta, dando lastro estatístico aos resultados.
O pesquisador Aleksandr Fedotov, da Escola de Engenharia Avançada “Engenharia Digital”, destacou o papel crucial do preparo dos dados na performance. “O fator-chave para a eficácia do método não foi a complexidade dos modelos, mas a preparação correta dos dados, que permite que os algoritmos de aprendizado de máquina distingam com precisão as plantas saudáveis das infectadas, mesmo em condições adversas”, explicou.
Segundo a Universidade Politécnica de São Petersburgo, a curadoria e o balanceamento das amostras, além do tratamento de ruídos, foram determinantes para a acurácia. Esse cuidado torna o sistema mais resiliente a variações de iluminação, umidade e estágio fenológico, comuns no ambiente agrícola real.
Ao mirar a ferrugem do trigo, os cientistas escolheram um alvo com alto impacto econômico e ampla distribuição geográfica. A validação nesse patógeno fortalece a perspectiva de ampliar o método a outras doenças e culturas, desde que se colete um acervo representativo de assinaturas espectrais.
De acordo com informações divulgadas pelo Ministério da Ciência e Educação Superior da Rússia e reportadas pela TV BRICS, a metodologia está pronta para transferência a pipelines operacionais. O próximo passo envolve padronizar sensores, protocolos de coleta e rotinas de atualização dos modelos para garantir desempenho estável em campo.
Aplicações em satélites e drones podem escalar o monitoramento e reduzir perdas na agricultura de precisão
A tecnologia abre espaço para sistemas que integram drones e satélites ao diagnóstico precoce de doenças. Drones oferecem resolução espacial fina sobre talhões específicos, enquanto satélites cobrem áreas extensas e permitem vigilância contínua ao longo de toda a safra.
Na prática, produtores e cooperativas podem identificar focos iniciais e agir de forma localizada, reduzindo o uso de defensivos e os custos de operação. A análise antecipada também protege a produtividade, evitando que surtos avancem sem controle e comprometam a colheita.
Para a adoção em escala, especialistas indicam consolidar fluxos de dados, calibrar equipamentos e treinar equipes para interpretação de mapas espectrais. Com validação contínua e extensões para outras pragas e culturas, o método tende a se integrar ao ecossistema de agricultura de precisão, reforçando a segurança alimentar e a sustentabilidade.
O tema divide opiniões e abre debate sobre prioridades de investimento no campo. A aposta em satélites e drones deve vir acompanhada de capacitação e infraestrutura para não excluir pequenos produtores. O que você acha, tecnologias hiperespectrais e IA são o melhor caminho para enfrentar doenças em lavouras ou faltam políticas para garantir adoção ampla e justa? Deixe seu comentário e participe da conversa.
