Para Quem Tem Press
Pesquisadores da Penn State e da Universidade Politécnica de Valência desenvolveram uma rede de sensores semicondutores de baixo custo capaz de “farejar” gases liberados por plantas e apontar estresse salino precocemente. Utilizando modelos de inteligência artificial para reconhecer os padrões de emissão em rúcula, o sistema obteve até 99,15% de acurácia na identificação dos níveis de estresse antes do aparecimento de danos visíveis. A tecnologia ainda depende de aprimoramentos técnicos de hardware e rede para aplicação em larga escala no campo.
O acúmulo excessivo de sais no solo representa um dos principais desafios para a agricultura irrigada global. Quando as concentrações de cloreto de sódio e outros sais solúveis sobem, a capacidade da planta de absorver água fica comprometida, prejudicando o desenvolvimento vegetativo e derrubando a produtividade. Segundo dados do Departamento de Agricultura dos Estados Unidos (USDA), o problema afeta cerca de 30% das terras irrigadas daquele país, sendo frequente também em regiões costeiras e áreas de drenagem deficiente.
Para enfrentar essa barreira de forma acessível, uma equipe de cientistas liderada pela Universidade Estadual da Pensilvânia (Penn State) desenvolveu um sistema experimental de monitoramento baseado em sensores gasosos de baixo custo acoplados à inteligência artificial. O mecanismo funciona como uma espécie de “nariz eletrônico”, captando alterações químicas no ar antes que as folhas comecem a apresentar sintomas externos de definhamento.
Os detalhes do estudo de prova de conceito foram publicados no periódico científico IEEE Sensors Journal.
Como funciona a identificação por compostos voláteis
Quando um vegetal entra em situação de estresse fisiológico, ele altera o perfil dos compostos orgânicos voláteis emitidos na atmosfera. A proposta do grupo foi verificar se essa mudança de “odor” químico poderia ser detectada por componentes eletrônicos simples e amplamente disponíveis no mercado.
O primeiro autor do trabalho, Ali Ahmad — doutorando da Universidade Politécnica de Valência (Espanha) e pesquisador visitante no laboratório da Penn State —, conduziu o experimento com rúcula cultivada em estufa hidropônica. O cultivo sem solo foi selecionado deliberadamente para isolar variáveis externas e garantir que a variação na assinatura dos gases resultasse unicamente das dosagens de cloreto de sódio adicionadas à solução nutritiva.
As plantas foram divididas em três grupos: um lote de controle sem estresse salino, um grupo sob estresse moderado e um terceiro com alta concentração de sal. Cada conjunto permaneceu sob cúpulas que aprisionavam os gases liberados, monitorados ao longo de oito dias por sensores semicondutores de óxido metálico posicionados no topo das estruturas.
Esses sensores, que podem custar menos de US$ 1 por unidade no comércio eletrônico, reagem a oscilações mínimas na composição do ar por meio de variações nas correntes elétricas de sua camada semicondutora.
Precisão de 99,15% com inteligência artificial
As leituras captadas pelos sensores demonstraram que cada nível de salinidade gerava um perfil gasoso próprio. Para interpretar esse volume de dados, a equipe treinou modelos de aprendizado de máquina (machine learning), um ramo da inteligência artificial, para correlacionar os padrões químicos ao estado real da cultura.
A precisão do arranjo computacional foi avaliada em paralelo à medição dos traços físicos da rúcula, incluindo crescimento, respostas fisiológicas e estado das folhas. Nos testes, a rede de sensores aliada aos algoritmos atingiu 99,15% de acurácia na classificação dos níveis de estresse das plantas. Com o passar do tempo de exposição aos sais, os vegetais dos grupos tratados acabaram desenvolvendo também os sintomas visíveis esperados de sofrimento fisiológico.
Segundo Francesco Di Gioia, professor associado de ciência de culturas olerícolas na Penn State e coautor da pesquisa, hortaliças em geral têm alta sensibilidade à salinidade, que interfere na nutrição mineral e derruba o rendimento. Ter um aviso prévio permitiria ao produtor agir no manejo da água e na correção da solução antes que as perdas fossem consolidadas.
Desafios antes da chegada ao campo comercial
Em trabalho correlato veiculado na revista Advanced Sensor Research, o grupo explorou a hipótese de usar o mesmo princípio para identificar outros problemas agrícolas comuns, como estresse hídrico, ataque de pragas ou incidência de fitopatógenos.
Apesar do desempenho promissor obtido na bancada e em ambiente protegido, os próprios pesquisadores ressaltam que a tecnologia não está pronta para distribuição imediata nas lavouras. Há desafios operacionais relevantes ligados à robustez do hardware, à confiabilidade contínua das leituras sob intempéries e à estruturação de redes de comunicação de dados de baixo custo em áreas abertas.
Superadas essas barreiras de engenharia e modelagem, a integração entre sensores de valor reduzido e algoritmos de triagem precoce poderá integrar o conjunto de ferramentas práticas da agricultura de precisão.
fonte/crédito: Imagem destacada ilustrativa gerada por IA.