A macaúba, palmeira nativa das regiões tropicais e subtropicais da América Latina, tem se destacado pelo seu grande potencial econômico e ambiental. Seus frutos ricos em óleo são utilizados na produção de biocombustíveis, cosméticos e alimentos, o que desperta o interesse de pesquisadores e do mercado. Entretanto, um dos principais desafios para o aproveitamento industrial da espécie é a presença de frutos em diferentes estágios de maturação, fator que reduz o rendimento e compromete a qualidade do óleo. Diante desse cenário, pesquisadores da Universidade Federal de Lavras (UFLA) desenvolveram uma solução inovadora, baseada em inteligência artificial, capaz de identificar automaticamente os frutos imaturos de macaúba, trazendo mais agilidade e eficiência ao processo de pós-colheita.
O estudo, liderado pelo doutorando do Programa de Pós-Graduação em Engenharia Agrícola da UFLA David Augusto Ribeiro, contou com a orientação do professor da Escola de Engenharia (EENG) Fábio Lúcio Santos, e do professor do Instituto de Ciências Exatas e Tecnológicas (Icet) Demostenes Zegarra Rodriguez. A pesquisa, intitulada “Performance Evaluation of YOLOv11 and YOLOv12 Deep Learning Architectures for Automated Detection and Classification of Immature Macauba Fruits”, foi publicada em 2025 na revista científica Agriculture, da editora MDPI.
A equipe desenvolveu um banco de dados denominado VIC01, que reúne cerca de 1,6 mil imagens de frutos de macaúba fotografados sob diferentes condições de ângulo, iluminação e cenário, no município de Lavras, Minas Gerais (MG). A partir desse material, foram testadas duas versões de uma das redes neurais mais avançadas da atualidade, YOLOv11 e YOLOv12, com o objetivo de comparar qual delas apresentaria maior precisão e velocidade na identificação automática dos frutos imaturos.
Os resultados obtidos revelaram um desempenho excepcional das duas arquiteturas testadas, com altíssimo nível de precisão na detecção dos frutos imaturos. Os testes apontaram índices de acerto superiores a 99% na identificação das macaúbas, demonstrando grande eficiência do sistema desenvolvido. No entanto, apesar da proximidade nos resultados, o YOLOv11 apresentou desempenho superior, mostrando-se mais preciso na localização dos frutos e mais rápido no processamento das imagens, levando em média 3,9 milissegundos por foto, enquanto o YOLOv12 registrou 6,7 milissegundos. Esses dados indicam que o YOLOv11 alcançou o melhor equilíbrio entre velocidade e precisão, sendo o modelo mais eficiente para a classificação automatizada dos frutos. Esse nível de desempenho permite que a tecnologia seja empregada tanto em linhas industriais de seleção quanto em aplicações mais simples como para pequenos produtores.
“A correta separação dos frutos por estágio de maturação é um fator decisivo para garantir melhor aproveitamento e qualidade do óleo obtido da macaúba”, afirma David. O pesquisador ainda explica que, quando frutos imaturos são misturados aos maduros no processamento, há redução no rendimento e alterações na composição química, o que diminui o valor do produto final. A aplicação da inteligência artificial nesse processo permite identificar e selecionar os frutos de forma automática e precisa, aumentando a eficiência na triagem e reduzindo perdas. Dessa forma, a tecnologia contribui para padronizar a produção e agregar valor à cadeia da macaúba, beneficiando desde grandes indústrias até pequenos produtores rurais.
Na prática, a tecnologia desenvolvida funciona como um sistema de visão computacional composto por uma câmera e um computador equipado com softwares de inteligência artificial. Esse conjunto registra imagens dos cachos de macaúba no campo e, em seguida, processa cada foto para identificar automaticamente o estágio de maturação dos frutos. Trata-se de um módulo inteligente integrado, formado por câmera, computador e algoritmo, que não substitui nem representa uma nova máquina agrícola, mas pode ser acoplado a diferentes equipamentos de colheita ou utilizado de maneira independente. Essa flexibilidade permite que o sistema seja incorporado a diversos tipos de operação, auxiliando na seleção precisa dos frutos maduros e imaturos.
A pesquisa também reforça a importância de tecnologias que tornem o processamento da macaúba mais eficiente e acessível. O uso de métodos automatizados de seleção proporciona maior rapidez, padronização e rentabilidade à cadeia produtiva. A inovação tem potencial para reduzir custos operacionais, elevar o rendimento e melhorar a qualidade do óleo, atendendo às demandas tanto da indústria quanto dos pequenos produtores. Com isso, o trabalho fortalece o desenvolvimento de uma bioeconomia mais sustentável e competitiva no país.
Próximos passos
Os próximos passos da pesquisa incluem o avanço para novos estágios de desenvolvimento, com a criação do conjunto de dados VIC02, que irá incluir outros níveis de maturação dos frutos de macaúba. Também está prevista a integração de sensores e imagens complementares, ampliando as possibilidades de análise e mantendo o foco em qualidade, precisão e eficiência. A equipe pretende ainda testar a aplicação prática da tecnologia em sistemas de triagem industrial e em soluções acessíveis para pequenos produtores, como aplicativos de baixo custo e plataformas embarcadas.
Por se tratar de um método inovador de seleção automática de frutos com apoio de inteligência artificial, a equipe também tem o objetivo de patentear a tecnologia. A possibilidade de registro vem sendo analisada como uma estratégia que busca equilibrar a proteção intelectual da solução com a manutenção da divulgação científica aberta para toda a comunidade.
A pesquisa é desenvolvida por David Ribeiro, Dennis Tavares, Eduardo Tiradentes e Fábio Santos, integrantes da Escola de Engenharia (EEng) da UFLA, e por Demostenes Rodriguez, do Instituto de Ciências Exatas e Tecnológicas (Icet) da UFLA. O projeto conta com o fomento da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes).
Esse conteúdo de popularização da ciência foi produzido com o apoio da Fundação de Amparo à Pesquisa de Minas Gerais - Fapemig.