Uma pesquisa desenvolvida pelo professor Adão Felipe dos Santos, da Escola de Ciências Agrárias de Lavras da Universidade Federal de Lavras (Esal/UFLA), utiliza imagens de satélite e a câmera multiespectral de um drone para auxiliar produtores a identificar mais facilmente o ponto ótimo de maturação do amendoim.

Os trabalhos começaram em 2018, com a coleta de dados em campos comerciais no Brasil e nos Estados Unidos. Durante o estudo, que utilizou inteligência artificial com índices de vegetação, foram desenvolvidos modelos utilizando redes neurais artificiais e empregadas técnicas de sensoriamento remoto e de Agricultura de Precisão para identificar o ponto ótimo de maturação para, assim, propor o início do arranquio, que é a primeira etapa de colheita.

Os modelos apresentaram boa acurácia e precisão, estimando a maturação do amendoim com precisão acima de 90% e erros inferiores a 10%. Por isso, os modelos se mostraram promissores para solucionar o problema da determinação da maturação do amendoim em campo.

A colheita

Atualmente, o método mais utilizado para a determinação da maturação do amendoim é o método Hull Scrape, que consiste em arrancar de 5 a 10 plantas em pontos aleatórios da lavoura. Posteriormente, há o destacamento de 200 vagens dessas plantas e a raspagem de seu exocarpo (primeira camada da vagem do amendoim, de coloração marrom), que é feita por meio do jateamento de água sob pressão. Ao serem raspadas pelo jato, as vagens expõem a coloração do mesocarpo, que é a segunda camada. Aquelas que apresentam coloração mais escura (marrom ou preta) são consideradas maduras. Quando 70% das vagens amostradas encontram-se maduras, recomenda-se o início da colheita mecanizada.

Contudo, essa coloração pode variar de branco a preto, o que causa uma subjetividade no processo, além da dependência da experiência de quem está analisando. Esse método também não representa a variabilidade da maturação no campo, já que em uma mesma planta é possível encontrar vagens em diferentes estágios de maturação. O novo método proposto pelo estudo não ignora essa questão, considerando a variabilidade espacial da área de toda a lavoura ao utilizar sensoriamento remoto para identificar onde está maduro e onde ainda não está.

Essa precisão é importante porque se a colheita acontece tardiamente, além do ponto ótimo de maturação, aumentam os índices de perdas na colheita, pois as vagens irão se soltar mais facilmente, ficando no solo. Caso sejam colhidas muito cedo, elas perdem a qualidade.

De acordo com Adão, com o método apresentado pela pesquisa, os produtores não mais precisarão realizar a classificação manual das vagens das plantas arrancadas. “Estamos propondo, agora, a opção de monitorar remotamente a maturação nas lavouras, o que, aliás, não elimina a importância de eventuais inspeções do produtor no campo.”

Próximos passos

O projeto está, atualmente, sendo financiado pela Fundação de Amparo à Pesquisa do Estado de Minas Gerais (Fapemig), com o objetivo de incluir variáveis climáticas nos modelos de predição da estimativa de maturação, visando melhorar a precisão dos resultados. Dessa forma, será dada aos produtores brasileiros uma alternativa de monitorar as lavouras de amendoim por meio do acúmulo de graus-dia (relacionados à temperatura do meio) e de imagens de satélite.

Mais sobre a pesquisa

Adão é professor de Agricultura de Precisão no Departamento de Agricultura da UFLA e responsável pela coordenação e fundação do Grupo de Extensão e Pesquisa em Agricultura Digital (Gepad/UFLA). O docente explica que o projeto começou a ser desenvolvido durante seu doutorado na Universidade Estadual Paulista (Unesp) de Jaboticabal, sob a orientação do professor Rouverson Silva, egresso da UFLA.

Com o apoio da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes), por meio do Programa de Doutorado-Sanduíche (Pdse), parte da pesquisa foi realizada nos Estados Unidos, mais especificamente na University of Georgia (UGA), com o apoio do professor Dr. George Vellidis e da professora Dra. Cristiane Pilon.

Essa parceria, atualmente, foi reforçada e ampliada com a participação da UFLA, para o desenvolvimento e a aplicação de modelos de predição de maturação em Minas Gerais. O apoio da Universidade Federal do Triângulo Mineiro (UFTM) de Iturama também tem sido fundamental para a coleta de dados no estado.

O estudo, que tem despertado o interesse dos produtores, foi financiado pela Capes, pela Cooperativa Agroindustrial de Jaboticabal (Coplana), pela Georgia Peanut Commission (de Tifton, nos Estados Unidos) e, agora, também pela Fapemig.

Adão também publicou dois artigos sobre a pesquisa. O primeiro deles, “High-resolution satellite image to predict peanut maturity variability in commercial fields” (“Imagem de satélite de alta resolução para prever a variabilidade da maturidade do amendoim em campos comerciais”), foi publicado em março de 2021. O segundo, “Using UAV and Multispectral Images to Estimate Peanut Maturity Variability on Irrigated and Rainfed Fields Applying Linear Models and Artificial Neural Networks” (“Usando VANT e Imagens Multiespectrais para Estimar a Variabilidade da Maturidade do Amendoim em Campos Irrigados e Sequeiros Aplicando Modelos Lineares e Redes Neurais Artificiais”), foi publicado em dezembro de 2021.

Texto: Claudinei Rezende, bolsista Proat

Revisão: Gláucia Mendes

Imagem: Pexels