O arroz, uma importante cultura alimentar, é cultivado em quase 162 milhões de hectares de terra em todo o mundo. Um dos métodos mais amplamente utilizados para quantificar a produção de arroz é a contagem de plantas de arroz.
Esta técnica é usada para estimar o rendimento, diagnosticar o crescimento e avaliar as perdas em arrozais. A maioria dos processos de contagem de arroz em todo o mundo ainda é feita manualmente. No entanto, isso é extremamente tedioso, trabalhoso e demorado, indicando a necessidade de soluções baseadas em máquinas mais rápidas e eficientes.
Pesquisadores da China e de Cingapura desenvolveram recentemente um método para substituir a contagem manual de arroz por um método muito mais sofisticado, envolvendo o uso de veículos aéreos não tripulados (UAVs) ou drones.
De acordo com o professor Jianguo Yao, da Universidade de Correios e Telecomunicações de Nanjing, na China, que liderou o estudo, “a nova técnica usa veículos aéreos não tripulados para capturar imagens RGB, imagens compostas principalmente de luz vermelha, verde e azul, do campo de arroz. Essas imagens são então processadas usando uma rede de aprendizado profundo que desenvolvemos, chamada RiceNet, que pode identificar com precisão a densidade de plantas de arroz no campo, além de fornecer recursos semânticos de alto nível, como a localização e o tamanho do arroz”.
A arquitetura da rede RiceNet consiste em um extrator de recursos, no front-end, que analisa as imagens de entrada, e três módulos decodificadores de recursos que são responsáveis por estimar a densidade de plantas no arrozal, a localização das plantas no arrozal e o tamanho das plantas, respectivamente. Os dois últimos recursos são particularmente importantes para pesquisas futuras sobre técnicas automatizadas de manejo de culturas, como aplicação de fertilizantes.
Como parte do estudo, a equipe de pesquisa implantou um UAV equipado com câmera sobre campos de arroz na cidade chinesa de Nanchang e posteriormente analisou os dados adquiridos usando uma técnica sofisticada de análise de imagem. Em seguida, os pesquisadores usaram um conjunto de dados de treinamento e um conjunto de dados de teste. O primeiro foi usado como referência para treinar o sistema e o segundo foi usado para validar os resultados analíticos.
Fonte: portaldoagronegocio
