Imagine entrar em um campo, arrancar uma folha de uma videira, examiná-la e saber em segundos se a planta está saudável, precisa de fertilizante ou apresenta sinais de estresse.

   Uma equipe do Departamento de Engenharia Biológica e Agrícola da Universidade da Califórnia, em Davis, fez exatamente isso.

   Conheça o Leaf Monitor, uma ferramenta móvel combinada com um espectrômetro portátil, com inteligência artificial e modelagem preditiva, que pode revolucionar a forma como os agricultores monitoram e gerenciam as decisões sobre as culturas, fornecendo informações nutricionais e características em tempo real no campo.

FOTO: Um close da ferramenta Leaf Monitor durante uma demonstração na Bullseye Farms em Davis. (Mario Rodriguez / UC Davis)

   “Ter essas informações é muito valioso para os agricultores”, disse Alireza Pourreza, professor associado de Extensão Cooperativa da UC Davis e diretor do Laboratório de Agricultura Digital. “Agora, em cinco segundos, eles podem ter uma noção da quantidade de nutrientes presentes em uma folha.”

   O desenvolvimento do modelo de IA foi financiado pelo projeto multiestadual HiRes Vineyard Nutrition do Instituto Nacional de Alimentos e Agricultura do Departamento de Agricultura dos EUA e seu Serviço de Inspeção de Saúde Animal e Vegetal, bem como pela Comissão de Uvas de Mesa da Califórnia.

   Maha Afifi, diretora de pesquisa em viticultura da Comissão de Uvas de Mesa da Califórnia, disse que a ferramenta pode ser um divisor de águas para a indústria de uvas de mesa se levar a uma tomada de decisão mais rápida no que diz respeito ao uso de fertilizantes. A quantidade certa normalmente resulta em videiras mais saudáveis, que produzem mais uvas com tamanho, peso e cor ideais.

   “A avaliação do estado nutricional da videira é uma das nossas principais prioridades”, disse Afifi. “Ao mesmo tempo, explorar novas ferramentas tecnológicas como este projeto é uma alta prioridade para nós porque elas serão importantes para o futuro da indústria de uvas de mesa.”

FOTO: O doutorando Parastoo Farajpoor e o diretor do Laboratório de Agricultura Digital, Alireza Pourreza, mostram ao gerente de irrigação da Bullseye Farms, Geoff Klein, uma ferramenta Leaf Monitor que pode medir a saúde das plantas no campo. (Mario Rodriguez / UC Davis)

   

   A aluna de doutorado Parastoo Farajpoor, que lidera o projeto, ajudou a demonstrar o funcionamento da ferramenta Leaf Monitor em uma manhã recente em um pomar de amendoeiras da Bullseye Farms em Davis.

   Ela colheu uma folha de uma amendoeira, colocou-a entre um painel preto e uma fonte de luz em um espectrômetro portátil capaz de detectar luz além do que o olho humano consegue ver e examinou a amostra. Os resultados detalharam 10 indicadores nutricionais, incluindo nitrogênio, potássio e fósforo, bem como seis características bioquímicas e estruturais das folhas, como clorofila, teor de água, estrutura e densidade foliar.

   “As deficiências de nutrientes nas plantas muitas vezes passam despercebidas até o final da estação, quando o dano já é irreversível”, disse Farajpoor. “É por isso que a detecção precoce é essencial. A espectrometria fornece uma maneira rápida e confiável de identificar essas deficiências antes que os sintomas visíveis apareçam.”

   A Bullseye cultiva nozes, pistaches, tomates, milho, trigo, arroz e girassóis nos condados de Yolo e Solano, e o gerente de irrigação, Geoff Klein, disse que a ferramenta pode ajudar a economizar dinheiro e melhorar a produtividade.

   Os agricultores normalmente coletam amostras de folhas, secam-nas, trituram-nas e enviam-nas para um laboratório para análise, o que pode levar até duas semanas para apresentar os resultados. A Bullseye coleta amostras de tecidos foliares cerca de três vezes por ano.

   "No momento, não faz muito sentido sair e coletar tecidos de todos os cantos só porque é caro", disse Klein. "Seria muito legal se eu pudesse simplesmente ir até lá e testar alguns lugares diferentes."

   A ferramenta Leaf Monitor ajuda os agricultores a adaptarem as decisões de manejo a áreas específicas, em vez de a um campo inteiro. Usar fertilizantes com mais precisão, com base em dados em tempo real, pode evitar o uso excessivo e o escoamento de nitrogênio, um desafio financeiro e ambiental que muitos produtores enfrentam.

   “Sinto que muitas vezes precisamos aplicar menos fertilizantes, mas acabamos aplicando mais, porque é isso que a fórmula de remoção de nitrogênio diz”, disse Klein. “Mas com este aplicativo, podemos usar menos porque conhecemos as condições reais no momento. Acho que isso abre muitas portas em termos de obtenção de dados em tempo real e também de utilização do nível de controle que temos sobre os dados.”

   O aplicativo também pode agregar as varreduras e mapear padrões espaciais em uma grande área. “O que sabemos é que cada talhão tem uma variabilidade que não é necessariamente visível aos olhos do agricultor”, disse Pourreza.

FOTO: Amêndoas na Bullseye Farms em Davis, onde os membros do Laboratório de Agricultura Digital demonstraram uma ferramenta Leaf Monitor que pode medir a saúde das plantas no campo. (Mario Rodriguez / UC Davis)

   A ferramenta Leaf Monitor utiliza o espectrômetro para medir a reflectância foliar além da faixa de luz visível ao olho humano, que se limita a comprimentos de onda entre 400 e 700 nanômetros. Essa ferramenta mede a luz entre 400 e 2500 nanômetros.

   “Cada parte desse espectro eletromagnético é sensível a diferentes atributos das plantas”, disse Pourreza.

   Após a digitalização da folha, seus dados espectrais são enviados para um sistema de aprendizado de máquina baseado em nuvem, projetado para prever características foliares e conteúdo de nutrientes. Esse algoritmo foi desenvolvido e treinado pelo Laboratório de Agricultura Digital ao longo de um período de cinco anos, utilizando um conjunto de dados de milhares de amostras de folhas coletadas de culturas especializadas da Califórnia, principalmente videiras e amendoeiras.

   Cada amostra foi analisada quimicamente para determinar os níveis de nutrientes e as características estruturais das folhas, fornecendo os dados necessários para a construção de um modelo de previsão preciso.

   “Introduzimos uma ampla gama de diversidade para que o modelo possa visualizar muitos cenários diferentes que poderiam ocorrer na Califórnia para essas culturas”, disse Pourreza.

   O protótipo da ferramenta Leaf Monitor é gratuito e faz parte de um conjunto de ferramentas em um aplicativo do Digital Ag Lab que pode ser baixado no site do Digital Agriculture Laboratory. Uma versão web da ferramenta será disponibilizada enquanto a equipe continua a inserir novos dados no algoritmo para refinar as previsões. Sua precisão varia dependendo da característica específica da folha. Em média, ela atinge cerca de 65% de precisão em todas as características, com previsões para certos nutrientes, como nitrogênio e fósforo, com desempenho superior à média geral. Os usuários precisarão combiná-la com um espectrômetro.

   “Precisamos produzir mais alimentos usando menos recursos, então precisamos de algum tipo de sistema de monitoramento que nos forneça um feedback preciso e exato sobre nossas práticas de manejo”, disse Pourreza. “Essa tecnologia está crescendo muito rápido.”

*Veja uma demonstração em vídeo através do link: https://youtu.be/MY4wTmd7cKA