You are currently viewing Sistema de identificação de doenças em plantas
sistemas de identificação de doenças em plantas

Sistema de identificação de doenças em plantas

Compartilhe

A identificação de doenças em plantas pode ser uma atividade simples para um profissional experiente, enquanto que para um agricultor pode ser um grande desafio.

Além disso, essa situação tem se agravado com as mudanças climáticas e o surgimento de muitas doenças nas plantas, o que é uma grande preocupação para o agronegócio.

Por outro lado, a tecnologia também tem se desenvolvido a “passos largos” e está cada vez mais próxima do campo, levando muitas soluções para a agricultura.

Desta forma, com a detecção de doenças não seria diferente. Com o auxílio de inteligência artificial é possível criar sistemas de identificação de doenças em plantas hábeis, onde com algumas informações e fotos da planta doente é possível chegar a um rápido diagnóstico.

Para que os sistemas de identificação de doenças em plantas sejam ainda mais eficientes, é necessário alimentar de forma frequente o banco de dados com mais informações. Entretanto, sabemos que na maioria das vezes os profissionais experientes, como agrônomos, não têm este tempo para fazer a identificação manual da doença e rotular as imagens.

Por isso, a Macnica DHW apresenta mais uma solução inovadora que utiliza sinais neurais diretamente da cabeça do profissional, acelerando o processoque leva um décimo do tempo do processo manual e tornando possívelrotular os dados de forma eficiente.

Tecnologia BrainTech no Agronegócio

BrainTech é uma palavra que combina conhecimento a partir do cérebro e tecnologia. Ou seja, coletamos informações diretamente do cérebro das pessoas, utilizando sensores que leem os sinais neurais.

Mas como isso funciona?

Bom, de forma geral, sempre que uma pessoa analisa uma situação ela vai formando hipóteses e testando se são verdadeiras. Para cada resposta a uma hipótese, o cérebro responde de forma diferente estes sinais, que podem ser mensurados e utilizados para treinar uma rede de inteligência artificial.

Desta forma, usando esta tecnologia, podemos utilizar os sinais neurais do agrônomo para coletar dados riquíssimos de diagnóstico de doenças em plantas.

Na imagem abaixo, temos uma ilustração do sistema BrainTech da InnerEye, no qual um capacete totalmente não invasivo lê os sinais neurais a partir do momento que uma imagem é mostrada no monitor.

Como a velocidade de processamento do nosso cérebro é muito alta, em alguns segundos, o sistema é capaz de rotular mais de 800 imagens em menos de 5 minutos.

sistemas de identificação de doenças em plantas

Assim, basta o profissional pensar na resposta, o que agiliza, e muito o processo de identificação de doenças em plantas.

Após a coleta de dados, usando a solução (hardware e software) BrainTech da InnerEye , a rede de inteligência artificial é treinada e pode auxiliar o produtor na rápida identificação da doença a partir de fotos das plantas.

Isso traz um excelente benefício para a  agricultura, pois possibilita que o conhecimento de profissionais experientes sejam armazenados, replicados e utilizados por produtores, que muitas vezes estão distantes dos grandes centros de pesquisa.

Essa é a missão da Macnica DHW: Fornecer soluções inovadoras e disruptivas em inteligência artificial para impactar positivamente o mercado e a sociedade.

Entre em contato conosco para saber como podemos lhe auxiliar no seu projeto.

Leia também:

Treine a sua rede de AI a partir das ondas cerebrais

Acompanhe a Macnica DHW nas Redes Sociais para não perder nenhuma novidade tecnológica:

INSTAGRAM

LINKEDIN

FACEBOOK

Compartilhe

Franciele Nornberg

Mestre em Engenharia Elétrica pela UFSC (2019), graduada em Engenharia Elétrica pelo IFSul em 2017. Trabalha na Macnica DHW desde 2019. Seu conhecimento técnico somado a utilização das boas práticas de copywriter são responsáveis pelos excelentes conteúdos divulgados no blog da Macnica. Franciele é também Instrutora Autorizada FPGA Intel e portanto, responsável pelo Treinamento FPGA Intel.