Em nota de imprensa enviada à agência Lusa, a UC explicou que a equipa científica, liderada por investigadores do Instituto de Sistemas e Robótica (ISR) da Faculdade de Ciências e Tecnologia da Universidade de Coimbra (FCTUC), considera que os novos sistemas "permitem atuar de forma imediata e localizada em caso de doenças e pestes, melhorando a produção e diminuindo o impacto nocivo no meio ambiente".

O estudo, que teve a participação de investigadores do Instituto de Engenharia de Sistemas e Computadores de Coimbra (INESC Coimbra) e da Escola Superior Agrária de Coimbra (ESAC), foi realizado no âmbito do projeto AI+Green -- Automação Inteligente na Agricultura de Precisão, financiado pelo MIT Portugal e pela Fundação para a Ciência e a Tecnologia (FCT), "que visa melhorar a precisão e a fiabilidade da monitorização e deteção de pestes e doenças em vinhas".

A agricultura de precisão promove o uso de tecnologia (software e hardware) em aplicações como a proteção, monitorização e gestão agrícola", referiu a UC.

De acordo com o comunicado, ao longo de 12 meses foram estudadas três vinhas da região Centro -- em Coimbra, Valdoeiro (Mealhada) e Quinta de Baixo (Cantanhede) -- "geridas segundo práticas convencionais, mas com características biofísicas diferentes".

As abordagens "exploradas e testadas" pelos investigadores basearam-se em sistemas de 'Deep Learning' (aprendizagem profunda, inteligência artificial), usando informação obtida através de satélite e drones.

"Este trabalho estudou as bandas espetrais e técnicas de segmentação mais apropriadas para a identificação de linhas de vinhas em imagens aéreas (por exemplo, capturadas por drones). É importante diferenciar píxeis pertencentes às videiras, de píxeis pertencentes a outros elementos (por exemplo, vegetação entre linhas), para evitar a contaminação de dados", referiu, citado na nota, o investigador Tiago Barros.

"Ao evitar píxeis que não pertencem às videiras, obtêm-se estimativas mais fiáveis em tarefas como, por exemplo, estimação de colheita ou avaliação do vigor das plantas. Para tal, equipámos um drone com uma câmara multiespectral e uma câmara RGB de alta definição, que foram usadas para recolher informação espetral de três vinhas da zona Centro", frisou o cientista.

De acordo com o investigador do ISR/FCTUC, os resultados do estudo indicaram que "os modelos de segmentação baseados em 'Deep Learning' têm melhor desempenho quando comparados com métodos clássicos".

Tiago Barros avançou que o estudo, já publicado numa revista científica da especialidade, apresentou bons argumentos para o uso deste tipo de abordagem de câmara dupla para aquisição de dados, contribuindo para o avanço da agricultura de precisão.

"Promover uma agricultura mais eficiente é essencial para melhorar a qualidade e segurança alimentar, sem comprometer a sustentabilidade ambiental. Este setor, embora tenha beneficiado, de forma modesta, de avanços tecnológicos de outros setores, tais como a indústria, robótica ou veículos inteligentes, continua a ser um setor predominantemente manual e pouco eficiente", observou.

Leia Também: Viticultores do Douro aflitos com aumentos abruptos e apontam-se quebras