Um novo estudo da USP demonstrou que é possível classificar deficiências de nitrogênio em plantas de feijão com mais de 80% de precisão, usando apenas imagens das folhas. A técnica, baseada em redes neurais convolucionais (CNNs), é não invasiva, acessível e pode ser aplicada tanto em grandes lavouras quanto em pequenas propriedades, reduzindo custos e tempo em comparação à análise foliar tradicional, que exige coleta e envio de amostras a laboratórios. O estudo foi publicado nesta quinta (28) na revista Engenharia Agrícola.
O experimento ocorreu na FZEA/USP (Faculdade de Zootecnia e Engenharia de Alimentos da USP), em Pirassununga (SP), em estufa com controle de temperatura. Foram cultivados 30 vasos de feijoeiro em cinco níveis de adubação nitrogenada (0, 50, 100, 150 e 200% da dose recomendada). As plantas foram fotografadas ao longo de quatro semanas, em diferentes estágios (30, 37, 44 e 51 dias após a emergência).
As imagens, cortadas em blocos de diferentes tamanhos, alimentaram a rede neural, que aprendeu a associar padrões visuais das folhas com a disponibilidade de nitrogênio. O melhor desempenho ocorreu aos 37 dias após a emergência, quando o modelo atingiu 82,8% de acerto.
O método surge como alternativa à análise foliar tradicional, cara e demorada. Além de mais acessível, permite monitoramento em tempo real e em maior escala. No entanto, fatores como qualidade da imagem, variação de luz e diversidade do banco de dados ainda podem influenciar os resultados. Os autores destacam que técnicas de normalização de cor e a ampliação do acervo de imagens devem aumentar a robustez da ferramenta em condições reais de campo.
“Esse trabalho queria propor um método que fosse barato, não invasivo, aplicado ao campo, que pudesse ajudar o produtor no monitoramento do estado nutricional de uma forma mais rápida na lavoura”, afirma Jamile Regazzo, da Esalq/USP, uma das autoras.
Segundo a pesquisadora, o próximo passo é ampliar o banco de dados e testar outros formatos de imagem além do RGB. A expectativa é que a tecnologia seja incorporada em dispositivos móveis. Regazzo calcula que, entre validações, criação de interface e testes com agricultores, o processo leve até dois anos. “Espero, em um futuro não muito longo, desenvolver esse protótipo para poder utilizá-lo em campo, algo fácil e simples, seja em um aplicativo móvel ou web”, diz.