- Pesquisadores da Ufac criam sistema que identifica doenças em folhas de café com inteligência artificial.
- Modelo detecta ferrugem, miner, phoma e cercospora a partir de imagens de celular com alta precisão.
- Técnica usa IA leve e eficiente, ideal para produtores que não têm acesso a laboratórios.
Um grupo de pesquisadores da Universidade Federal do Acre (Ufac) desenvolveu um sistema de inteligência artificial (IA) capaz de identificar doenças nas folhas do café a partir de uma simples fotografia. O estudo foi publicado na revista científica IEEE Access, uma das mais relevantes em tecnologia aplicada no mundo.
A proposta busca resolver um problema comum entre pequenos produtores: a dificuldade de detectar pragas e doenças precocemente, sem depender da análise visual de especialistas ou envio de amostras para laboratórios. Com essa nova abordagem, o diagnóstico pode ser feito diretamente no celular, mesmo em áreas com infraestrutura limitada.
Como a tecnologia funciona na prática
O sistema usa duas etapas combinadas para identificar as doenças. Primeiro, a IA localiza automaticamente nas fotos as regiões da folha que parecem estar doentes. Depois, uma segunda ferramenta analisa com mais precisão essas áreas e classifica o tipo de praga ou doença.
As principais doenças que o modelo consegue identificar são:
- Ferrugem-do-cafeeiro, uma das mais devastadoras para a lavoura;
- Bicho-mineiro, que perfura e danifica as folhas;
- Phoma, doença fúngica que causa manchas negras;
- Cercosporiose, que provoca manchas marrons com bordas escuras.
A primeira etapa utiliza um sistema chamado YOLOv8, sigla em inglês para “You Only Look Once”, um tipo de modelo treinado para localizar objetos em imagens com rapidez. Já na segunda etapa, a classificação da doença é feita por uma arquitetura otimizada chamada SmallPavicNet-MC, criada pelos próprios autores para ser leve e eficaz.
Inovação com baixo custo computacional
Segundo os pesquisadores, um dos diferenciais do projeto é o baixo custo computacional. Isso significa que o sistema pode rodar até mesmo em celulares com hardware modesto, sem exigir servidores na nuvem ou internet constante.
A tecnologia foi pensada para ser usada no campo, por agricultores que precisam de respostas rápidas para agir antes que a praga se espalhe.
Base de dados e apoio técnico
O sistema foi treinado com o banco de imagens BRACOL, composto por 1.747 fotos reais de folhas de café arábica, coletadas no Espírito Santo. Após o pré-processamento, mais de 4 mil imagens foram geradas e rotuladas com o apoio dos fitopatologistas Lucas Graciolli Savian e Paulo André Trazzi, da Ufac.
Além do Pavic-Lab, o estudo também contou com a colaboração de Facundo Palomino-Quispe, do Liecar – Laboratório de Sistemas de Controle Automático e Robótica, da Universidade Nacional de San Antonio Abad de Cusco (Peru).
Aplicativo pode chegar ao mercado
Com os resultados obtidos, os autores criaram um protótipo funcional para Android que pode ser usado por produtores. O aplicativo está em fase de testes e tem potencial para se tornar um produto comercial, inclusive com pedido de patente.
A longo prazo, a equipe pretende adaptar a mesma técnica para outras culturas, como milho, soja e hortaliças, desde que haja bancos de imagens bem rotuladas para cada tipo de planta.
Impactos para a Amazônia
O avanço representa uma oportunidade real de transformação para a agricultura familiar na região Norte. A possibilidade de usar IA com celulares simples pode reduzir perdas, melhorar a produtividade e diminuir o uso excessivo de defensivos agrícolas, já que o diagnóstico será mais preciso e localizado.
Além disso, a iniciativa reforça o papel estratégico da ciência amazônica no desenvolvimento de soluções sustentáveis e tecnológicas voltadas para a realidade local.
Glossário
- YOLOv8: Algoritmo de visão computacional que detecta objetos em imagens em tempo real.
- SmallPavicNet-MC: Arquitetura leve de inteligência artificial desenvolvida na Ufac para classificar doenças com baixo consumo de processamento.
- BRACOL: Base de dados brasileira de imagens de folhas de café, usada para treinar modelos de IA.
- Fitopatologia: Área da agronomia que estuda as doenças das plantas.
