A solução construída por Dário Oliveira para classificar plantações agrícolas automaticamente por meio de imagens de satélite foi reconhecida durante o VIII Simpósio de Pesquisa e Inovação da FGV
Dário recebeu o reconhecimento no último dia 25 de novembro | Foto: Reprodução
Das aplicações mais promissoras para a inteligência artificial estão aquelas que reduzem o trabalho humano e aumentam a precisão dos resultados. Por cumprir com excelência esses requisitos, a pesquisa de Dário Oliveira, professor da Escola de Matemática Aplicada da Fundação Getúlio Vargas (FGV EMAp), foi homenageada no VIII Simpósio de Pesquisa e Inovação da FGV, realizado de 25 a 27 de novembro no Centro Cultural FGV.
Seu trabalho de Pós-Doutorado, denominado ‘Learning crop type mapping from regional label proportions in large-scale SAR and optical imagery’, foi executado entre 2021 e 2022, publicado em 2023, e desenvolveu um sistema de aprendizado de máquina que usa imagens de satélite para classificar culturas agrícolas de forma automatizada. O estudo, conduzido na Universidade de Wisconsin-Madison, nos Estados Unidos, se baseia no ciclo de crescimento das plantações e dados históricos, como quantidade de sementes cultivadas e comercializadas por região, tipos de cultura e dados de cultivo de anos anteriores.
Processo do LLP-Co (ferramenta de IA) para mapear tipos de culturas por meio de clusters em imagens de satélite | Foto: Reprodução
Ao reunir essas informações, estimadas pelo Instituto Brasileiro de Geografia e Estatística (IBGE), o sistema estrutura uma base de dados sobre o contexto em que aquela plantação está inserida, fornecendo proporções de cultivo. Com base nessas informações, é possível categorizar as imagens de satélite, agrupando dados automaticamente, reduzindo a necessidade de trabalho humano e alcançando alta precisão nas constatações.
Os primeiros resultados dos experimentos são promissores, indicando 90% de precisão para os principais tipos de cultura, como milho, soja e algodão. Em países com dimensões continentais, como o Brasil, a classificação é essencial para monitorar áreas cultivadas, estimar safras, planejar políticas agrícolas, oferecer financiamentos, calcular seguros rurais, mitigar os efeitos de mudanças climáticas e desastres naturais e gerenciar recursos de forma eficiente. “Para o Brasil, um dos maiores exportadores agrícolas do mundo, essa tecnologia pode melhorar a gestão agrícola, ajudando a garantir competitividade econômica e sustentabilidade ambiental”, afirma o docente.
Engenheiro Elétrico pela Universidade do Estado do Rio de Janeiro (UERJ), com especialização em Computação e Sistemas, Dário Oliveira acredita que dar escala para essa análise de dados ajuda as propriedades de cultivo agrícola no país que dependem desse monitoramento contínuo. “O estudo se concentra em regiões agrícolas significativas do Brasil, como Campo Verde (Mato Grosso) e Luís Eduardo Magalhães (Bahia), que possuem culturas dominantes como soja, milho e algodão. Estas culturas são economicamente cruciais e dependem de monitoramento contínuo para prever rendimentos, identificar mudanças sazonais, e otimizar o uso de insumos”, explica Dário.
O sistema desenvolvido por Dário Oliveira reconhece padrões das plantações por meio de imagens de satélite, considerando diversas características, como cores | Foto: Tom Fisk - Pexels
Pesquisa multidisciplinar
Um dos expoentes dessa ideia é a união de conhecimentos de diversas áreas do saber. Aqui, conhecimentos de deep learning são somados a saberes biológicos, correspondendo à missão do Simpósio de Pesquisa e Inovação da FGV em promover a realização de projetos de pesquisa multidisciplinares com alto impacto no desenvolvimento socioeconômico do país. “Ao combinar aprendizado contrastivo com informações de proporções de dados, o método reduz custos e entrega alta precisão em regiões tropicais complexas”, diz o professor da FGV EMAp.
No caso da premiação do Simpósio de Pesquisa e Inovação, o objetivo é estruturar redes de pesquisadores do Brasil e do exterior para ampliar o potencial de intersecção desses conhecimentos multidisciplinares. Dário Oliveira reconhece que “o impacto social, econômico e ambiental da metodologia no monitoramento agrícola e na gestão de riscos foi um diferencial reconhecido pelo júri.” Para ele, o uso eficiente da terra pode inclusive reduzir a expansão da agricultura em áreas de preservação e o monitoramento por imagens pode servir para ações contra desmatamento ilegal.
Dentre os benefícios mais promissores para a pesquisa está garantir segurança alimentar por meio de uma agricultura mais eficiente | Foto: Tom Fisk - Pexels
Na edição deste ano do evento, foram abordados temas relacionados à V Conferência Nacional de Ciência, Tecnologia e Inovação e às reuniões do G20 Brasil 2024. Assim, diante de benefícios, que apoiam desde produtores até a economia e política do país, é inegável o impacto positivo para a população. Segundo o professor, os resultados são essenciais para garantir a segurança alimentar global.