Equipamento que permite capturar e simular sinais cerebrais começou a ser testado no Brasil, em 2022, para detecção de doenças em estágio inicial, em cultivos de plantas como por exemplo a soja, por meio de inteligência artificial (IA). O trabalho é feito a partir de parceria entre a Embrapa e as empresas Macnica DHW e InnerEye, esta última desenvolvedora do BrainTech, equipamento que faz a captura dos sinais neurais de especialistas por meio de um capacete com eletrodos, similar a um eletroencefalograma (EEG).
+ Formigas se comportam de maneira diferente no Cerrado e na Mata Atlântica
+ Compostagem transforma lixo orgânico em fertilizante natural
O sistema, então, simula o funcionamento cerebral no momento em que especialistas visualizam imagens de plantas doentes, automatizando a rotulagem e tornando a etapa mais rápida e eficiente. Com isso, os pesquisadores esperam dar rapidez às tomadas de decisão, reduzindo perdas em empreendimentos rurais e racionalizando o uso de recursos naturais.
“Essa é uma iniciativa pioneira da Embrapa que está unindo a tecnologia disruptiva BrainTech, trazida com exclusividade pela Macnica DHW para o Brasil. Associando sinais neurais EEG e AI é possível criar uma máquina que imita o cérebro humano com alta confiabilidade”, observa o gerente de Soluções IoT & AI da Macnica DHW, Fabrício Petrassem.
De acordo com as informações da Embrapa, o teste e a validação do sistema tiveram a participação do desenvolvedor Yonatan Meir, da InnerEye, que veio de Israel em agosto, especialmente para essa finalidade.
“Por meio da captura de ondas cerebrais, a solução da InnerEye é capaz de identificar o julgamento e a classificação de uma imagem observada por uma pessoa, permitindo que essa imagem seja rotulada de forma automática e imediata”, explica Meir.
Além disso, o sistema já é utilizado em aeroportos europeus na identificação de objetos perigosos em malas. Em 2019, a Macnica DHW buscou a Embrapa para, em parceria, explorar a tecnologia no setor agropecuário, com possíveis novas aplicações. A primeira foi a detecção precoce de doenças em plantas, cujos experimentos começaram em abril de 2022.
O experimento com plantas doentes
“As ferramentas de IA evoluíram muito e, com dados de boa qualidade, conseguem resolver quase qualquer problema”, indica o pesquisador da Embrapa Agricultura Digital Jayme Barbedo, que lidera o projeto pela Empresa. O desafio, segundo aponta, é a obtenção desses ‘dados de qualidade’, que além de coletados precisam ser rotulados por especialistas. Um processo custoso e demorado em que o equipamento vai auxiliar.
Os primeiros resultados do experimento foram positivos, pois o equipamento ajudou a identificar, com alta acurácia, as folhas doentes (oídio e ferrugem da soja) e saudáveis. Agora, o projeto deve ir além da detecção de plantas doentes/não doentes e avançar na identificação do tipo de doença presente no cultivo da soja, iniciando pelas comercialmente mais significativas. Também está sendo articulada a inclusão das culturas de milho e café nos experimentos com os respectivos centros de pesquisa da Embrapa.
Em abril, o equipamento foi trazido ao Brasil para a sede da Macnica DHW, multinacional japonesa, localizada em Florianópolis (SC). Lá, foi montada a estrutura para o experimento de captura dos sinais cerebrais dos fitopatologistas Cláudia Godoy e Rafael Soares da Embrapa Soja. Ambos avaliaram cerca de 1,5 mil imagens de folhas doentes e saudáveis para os testes com o capacete coletor.
A etapa da prova de conceito mostrou que os modelos gerados a partir dos eletroencefalogramas dos especialistas são capazes de lidar bem com imagens, permitindo treinar a máquina na identificação de plantas doentes.
“A junção das imagens rotuladas – doente/saudável – com os sinais cerebrais dos especialistas resultou na melhora do desempenho do modelo, indicando a viabilidade do uso da IA”, aponta Barbedo.
Primeiras impressões
“A experiência foi muito interessante, porque o sistema aprende a identificar imagens de folhas doentes a partir da contagem que é feita de forma silenciosa quando se visualiza as doentes e as sadias, que passam rapidamente em uma tela de computador pela identificação dos sinais cerebrais”, relata Cláudia Godoy. “Com a evolução do treinamento artificial, essas tecnologias de reconhecimento podem ser utilizadas por pessoas que não têm muito conhecimento de doenças, auxiliando no manejo”, detalha.
Notícias Relacionadas
De acordo com Soares, para esse experimento foram escolhidas duas doenças: a ferrugem asiática, doença economicamente mais importante que afeta a cultura, e o oídio, relevante na Região Sul do Brasil. “Essas doenças foram escolhidas pois, além do impacto que geram para a cultura da soja, causam dois tipos distintos de sintomas foliares na planta, e também porque havia uma disponibilidade adequada de imagens para a avaliação”, explica Soares.
Para o pesquisador, o aprimoramento de ferramentas de manejo de doenças da soja é relevante porque “detectar e diagnosticar doenças é uma das maiores dificuldades encontradas no manejo da cultura, e tecnologias inovadoras que agreguem informações a essas práticas são desejáveis e necessárias”, destaca.
O sistema
O sistema “imita” o funcionamento cerebral de especialistas no momento em que visualizam imagens de plantas doentes, automatizando a rotulagem e tornando a etapa mais rápida e eficiente. A ideia é simular, tão próximo quanto possível, o processo cerebral de um especialista quando identifica algo ou toma uma decisão, como foi feito com os fitopatologistas.
O primeiro passo é a calibragem do modelo, ajustando o capacete com os eletrodos na cabeça do especialista para identificar seus sinais cerebrais. “Cada pessoa tem um padrão cerebral diferente, ou seja, os sinais elétricos do cérebro são distintos de pessoa para pessoa. Por isso, é necessário fazer uma calibração para cada uma para o modelo entender o que ela está pensando”, explica Barbedo.
Uma vez que o sistema ‘aprendeu’ como a pessoa funciona, começa o processo de rotulagem da base de dados. As instruções aos especialistas é para que enumerem (1, 2, 3 …) as folhas doentes quando as virem na tela, que apresenta três imagens por segundo. O sistema vai capturando os sinais cerebrais emitidos a cada novo estímulo, diferente de quando se visualiza uma folha saudável.
Segundo o líder do projeto, o processo de contagem não é obrigatório, mas reforça os sinais cerebrais, tornando mais fácil a diferenciação entre o que é doente e o que é saudável. O sistema permite a apresentação de até dez imagens por segundo.
Confiabilidade dos resultados sobre plantas
Com duração média de meia hora, cada sessão possibilitou rotular mais de mil imagens, tarefa que no sistema manual demoraria dias. Além do ganho em agilidade no processo de rotulagem, Barbedo destaca a confiabilidade do sistema, “que tem mecanismos de correção de possíveis erros, tornando o modelo que é treinado mais confiável”.
O sistema consegue identificar se o especialista piscou ou está perdendo atenção no processo de visualização das imagens em sequência por meio dos sinais neurais. Nesses casos, o sistema descarta o resultado e reapresenta a imagem posteriormente. O sistema BrainTech gera uma curva indicativa da atenção, pausando o experimento para descanso quando cai para um nível crítico à confiabilidade dos resultados.
Além disso, o sistema é capaz de detectar o nível de certeza do especialista ao visualizar a imagem, o que é chamado de soft label. A utilização desse parâmetro permite a melhor calibragem do modelo conforme o nível de experiência de cada especialista; por consequência, isso traz maior acurácia na decisão do modelo de IA.
Aplicações no agro
A tecnologia abre diversas possibilidades de aplicação no setor agropecuário. Os modelos treinados poderiam ser embarcados em maquinário agrícola, aplicativos de celular e atuar em atividades com carência de mão de obra especializada.
Sobretudo, a aplicação mais racional de defensivos, com menos custo econômico e menor impacto ambiental, e a produção de alimentos de forma mais limpa e sustentável seriam possíveis com modelos treinados embarcados em maquinários, que identificassem, em tempo real e em parcelas específicas, a necessidade de aplicação de defensivos ao passar nas linhas de produção.
“Embarcar esse modelo em um aplicativo de celular daria ao produtor agilidade na tomada de decisão quando identificadas doenças e sintomas de patologias, acelerando a adoção das medidas necessárias”, indica Barbedo.
O pesquisador aponta, ainda, a pertinência do uso da tecnologia na estratégia de rotação das pastagens da pecuária leiteira, área em que faltam especialistas. A escolha dos piquetes mais apropriados para maximizar a produção do leite é feita por técnico experiente em identificar a melhor localização e a quantidade ideal de animais.
“O sistema poderia simular a atividade desse especialista para fazer uma locação tecnológica. A maioria das propriedades não tem alguém com essa expertise”, conclui.
