Inteligência artificial da Embrapa detecta lagarta-do-cartucho e promete revolucionar o controle de pragas no milho

Nova tecnologia desenvolvida em São Carlos utiliza visão computacional e aprendizado profundo para identificar a praga em folhas e espigas, reduzindo falhas humanas e elevando a precisão no manejo agrícola.

Avanço no controle de pragas do milho

Pesquisadores da Embrapa Instrumentação (SP) desenvolveram um sistema inovador que utiliza inteligência artificial (IA) para identificar a lagarta-do-cartucho (Spodoptera frugiperda), uma das pragas mais destrutivas da cultura do milho. A tecnologia analisa imagens digitais das plantas, reconhecendo a presença da lagarta tanto nas folhas quanto nas espigas — etapas críticas do ciclo produtivo.

Com essa abordagem, os cientistas buscam minimizar a subjetividade e os erros de métodos tradicionais, que dependem da observação humana. Segundo estimativas da Embrapa, a lagarta-do-cartucho pode causar perdas de até 70% na produção de milho, além de afetar outras culturas estratégicas como soja e algodão.

Metodologia e resultados

O estudo, publicado na revista Electronics sob o título Computational Intelligence Approach for Fall Armyworm Control in Maize Crop, analisou 2.280 imagens para classificar cinco estágios de desenvolvimento da praga. O sistema foi desenvolvido em Python, integrando técnicas de aprendizado de máquina, processamento digital de imagens e visão computacional.

Segundo os pesquisadores Alex Bertolla e Paulo Cruvinel, o algoritmo consegue avaliar a frequência e o estágio de desenvolvimento da lagarta com elevada precisão. Para coletar as imagens, basta uma câmera simples acoplada a implementos agrícolas — o que facilita a adoção prática da tecnologia no campo.

IA aplicada à agricultura

O método combina estatística multivariada, redes neurais artificiais e aprendizado profundo (deep learning) para reconhecer padrões visuais da praga. A rede convolucional (CNN) utilizada foi treinada para identificar e classificar cada estágio da lagarta. Além disso, outros cinco classificadores — como a máquina de vetores de suporte (SVM) — foram comparados para validar o desempenho do modelo.

De acordo com os autores, o sistema apresentou resultados promissores em termos de acurácia, tempo de processamento e eficiência de hardware, abrindo caminho para aplicações embarcadas em tratores e drones agrícolas.

Futuro da tecnologia no campo

Os pesquisadores destacam que o método poderá, futuramente, ser integrado a sistemas de monitoramento remoto, utilizando câmeras multiespectrais em Veículos Aéreos Não Tripulados (VANTs). Essa evolução permitiria o reconhecimento automático em tempo real, ampliando o alcance do controle de pragas e tornando a agricultura brasileira ainda mais inteligente e sustentável.