Para Quem Tem Pressa
Pesquisadores do instituto norte-americano ICICLE apresentaram, durante a feira Farm Science Review 2026, soluções práticas que conectam inteligência artificial, computação de alto desempenho e dispositivos de campo. Entre os destaques está um fluxo automatizado que usa imagens aéreas de drones para mapear plantas daninhas e orientar a pulverização apenas onde ela é necessária, além de ferramentas de processamento direto no maquinário e consultas ao solo em linguagem natural. A proposta é baratear custos e reduzir o uso desnecessário de defensivos agrícolas.
A aplicação uniforme de defensivos em lavouras inteiras pode estar mais perto de se tornar uma prática do passado. Durante a feira agrícola Farm Science Review 2026, realizada em London, no estado norte-americano de Ohio, pesquisadores apresentaram um ecossistema tecnológico capaz de transformar fotos aéreas de lavouras em rotas de voo imediatas para drones de pulverização localizada.
O projeto é conduzido pelo ICICLE (Intelligent Cyberinfrastructure with Computational Learning in the Environment), instituto financiado pela Fundação Nacional de Ciência dos Estados Unidos (NSF) e liderado pela Ohio State University. O objetivo central da iniciativa é tirar a inteligência artificial avançada exclusivamente dos grandes centros de processamento em nuvem e integrá-la às operações práticas do dia a dia rural.
Da captura aérea à pulverização localizada
No fluxo demonstrado para o controle de invasoras, o processo começa no computador do produtor ou técnico, onde é planejado o voo de reconhecimento da área. Um drone sobrevoa a lavoura e transfere automaticamente as fotografias para um cluster de computação de alto desempenho.
A partir desse material, modelos de inteligência artificial realizam a identificação automatizada das plantas e das plantas daninhas. As detecções são organizadas em um arquivo geoespacial (formato GeoPackage) contendo os limites exatos do talhão e a separação entre zonas que precisam e zonas que não precisam receber defensivo.
Com base nesse mapa, o sistema calcula os pontos de navegação (waypoints) e envia a missão para um drone pulverizador. A aeronave de aplicação segue o trajeto planejado e deposita o produto exclusivamente sobre os focos de infestação. Esse direcionamento tem potencial para reduzir custos operacionais e conter aplicações excessivas de agroquímicos no solo.
Processamento em tempo real na borda
Outro gargalo comum no meio rural é a falta de conexão com a internet rápida para enviar grandes volumes de dados. Para contornar essa barreira, a equipe demonstrou o IEMS (Intelligent Edge Management Service), um sistema de gerenciamento de inteligência artificial de borda.
Na demonstração, um modelo de detecção da família YOLO foi instalado em um módulo de processamento industrial (NVIDIA Jetson AGX Xavier) acoplado diretamente a câmeras GigE da Hikrobot. O conjunto permite que a análise visual ocorra no próprio maquinário ou estrutura de campo, sem depender da nuvem para identificar plantas daninhas em tempo real. O operador consegue iniciar, parar e acompanhar a inferência por meio de um computador portátil.
Modelos visuais e inteligência artificial generativa na fazenda
Para treinar algoritmos voltados ao agronegócio de forma mais ágil, a equipe também apresentou o Smart Labeler. Essa ferramenta utiliza modelos de fundação de inteligência artificial, como SAM3, OWLv2 e DINOv3, permitindo ao usuário delimitar alvos em imagens agrícolas a partir de coordenadas ou instruções curtas em texto. A inteligência artificial assume a catalogação repetitiva de milhares de imagens, liberando pesquisadores e agrônomos para tarefas analíticas.
Por fim, o público pôde interagir com o “Ask the Farm”, uma inteligência artificial conversacional conectada aos dados do Molly Caren Agricultural Center. A inteligência artificial analisa mapas do USDA, imagens de satélite Sentinel-2, dados de solo do NRCS e relatórios hidrológicos do USGS.
Por meio de perguntas feitas em linguagem natural, o produtor consulta a inteligência artificial sobre histórico de plantio, capacidade de retenção hídrica ou relevo do solo. A ferramenta baseia suas respostas em dados verificáveis, cita fontes e aponta claramente perguntas que não possuem dados suficientes para resposta, garantindo confiabilidade na tomada de decisão do produtor.
fonte/crédito: Imagem destacada ilustrativa gerada por IA.