Pesquisadores da Universidade de Brasília (UnB), coordenados pelo professor Edilson de Souza Bias, do Instituto de Geociências, criaram uma plataforma de código aberto integrada a ferramentas de Inteligência Artificial (IA) para identificar automaticamente plantas invasoras. O projeto, financiado pela Fundação de Apoio à Pesquisa do Distrito Federal (FAPDF), surgiu em 2018 a partir de uma proposta de doutorado sobre pragas na Europa, mas ganhou impulso em 2022 com o edital Agrolearning da FAP e um alerta da Secretaria de Estado de Agricultura e Abastecimento Rural do Distrito Federal (Seagri) sobre a Amaranthus palmeri, uma erva daninha exótica e agressiva. Com apoio de instituições como o Instituto Federal de Brasília (IFB), o Laboratório de Visão Computacional da Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio) e a Universidade do Estado do Rio de Janeiro (Uerj), a iniciativa aborda um problema global, como destaca Tiago Zuryp, coordenador do Hospital e Centro de Reabilitação da Fauna Silvestre (HFAUS), que enfatiza a complexidade do manejo de espécies invasoras, tanto vegetais quanto animais, devido aos custos financeiros e físicos envolvidos.
No Cerrado, espécies de Amaranthus são resistentes a herbicidas, com mais de 80 variedades capazes de produzir até 1,8 mil sementes por planta, espalhando-se por sementes contaminadas, equipamentos agrícolas, ração animal e até pela fauna silvestre. O professor Bias explica que a remoção manual é ineficaz, pois não identifica todos os focos, e a dispersão pode gerar novas infestações. Para combater isso, a equipe utiliza drones equipados com sensores de alta resolução e a técnica de Deep Learning, que analisa imagens aéreas para reconhecer padrões visuais. O sistema RTK (Real Time Kinematic) garante precisão centimétrica, com resolução espacial de 2,5 centímetros, diferenciando espécies semelhantes em lavouras pela cor, textura e formato.
Após testes, a tecnologia alcançou 96% de precisão na detecção de Amaranthus palmeri e híbridos, e está pronta para aplicação no Mato Grosso, onde a praga é mais prevalente. Ela gera relatórios automáticos com coordenadas exatas das plantas infectadas, permitindo que agricultores as eliminem de forma targeted, reduzindo custos e esforços manuais. O projeto será entregue à Seagri, ao Ministério da Agricultura e Pecuária (Mapa) e ao Instituto de Defesa Agropecuária de Mato Grosso (Indea), com planos de expansão para outras espécies, dependendo de novo financiamento.
