A IA de visão melhora a monitorização de plantas na agricultura hidropónica

Quando pensamos em agricultura, normalmente imaginamos plantas a crescer no solo. No entanto, a agricultura hidropónica adota uma abordagem diferente. Baseia-se no cultivo de plantas em água enriquecida com nutrientes, sem utilizar solo. Este método ajuda as plantas a crescer mais rapidamente, utilizando menos espaço e água. É uma excelente opção para zonas onde as terras agrícolas são limitadas.

Prevê-se que o mercado mundial de culturas hidropónicas atinja cerca de 53 mil milhões de dólares até 2027. No entanto, este crescimento também traz alguns desafios, especialmente no que diz respeito a manter as plantas saudáveis em grandes explorações agrícolas.

Muitas explorações hidropónicas funcionam em espaços interiores, o que significa que até problemas pequenos, como baixos níveis de nutrientes ou sinais precoces de doenças, podem espalhar-se rapidamente e danificar as culturas. Verificar e monitorizar manualmente cada planta pode consumir muito tempo e levar a erros. É aqui que tecnologias como a visão computacional podem ajudar.

A visão computacional é um ramo da inteligência artificial (AI) que envolve o processamento e a compreensão de dados visuais. Pode ser utilizada para enfrentar desafios da agricultura hidropónica, monitorizando automaticamente as plantas através de câmaras e análise de imagens.

Por exemplo, modelos de Vision AI como o Ultralytics YOLO11 podem ser treinados para detetar sinais de stress, doenças ou deficiências nutricionais nas plantas. Estes modelos permitem executar tarefas de visão computacional em tempo real, como deteção de objetos e segmentação de instâncias, em grandes explorações interiores, permitindo aos agricultores agir rapidamente antes que os problemas se espalhem.

Neste artigo, vamos explorar como a agricultura hidropónica potenciada por Vision AI melhora a eficiência, reduz a mão de obra e apoia uma agricultura sustentável. Vamos começar!

O que é a agricultura hidropónica?#

A agricultura hidropónica é um método de cultivo de plantas sem utilizar solo. As plantas são colocadas num meio de cultivo e nutridas com uma solução à base de água que contém nutrientes essenciais. Este ambiente controlado permite que as culturas cresçam mais rapidamente, utilizem menos água e ocupem menos espaço em comparação com a agricultura tradicional.

Em zonas onde a terra é escassa ou a qualidade do solo é baixa, a hidroponia pode ser uma solução prática. Curiosamente, o conceito de agricultura sem solo remonta à antiguidade, com civilizações como os Babilónios e os Astecas a desenvolverem formas primitivas de cultivo sem solo.

Fig. 1. Alface a crescer numa exploração hidropónica sem solo. Fonte da imagem: Pexels.

Embora a hidroponia tenha raízes antigas, a tecnologia moderna transformou-a numa solução de alta tecnologia para as necessidades agrícolas atuais. Atualmente, os sistemas avançados fornecem água e nutrientes diretamente às plantas. Por exemplo, a Técnica do Filme de Nutrientes (NFT) faz circular uma fina camada de água sobre as raízes, enquanto a aeroponia fornece nutrientes pulverizando uma névoa fina sobre raízes suspensas no ar.

No entanto, à medida que estas explorações crescem, torna-se mais difícil acompanhar cada planta individualmente. Até pequenas alterações na cor ou no formato das folhas e dos caules podem ser sinais precoces de stress ou doença. Detetar estes problemas atempadamente é crucial para evitar que se espalhem pela exploração. A monitorização das culturas regular e uma ação rápida são essenciais para manter as culturas saudáveis e garantir rendimentos consistentes.

O papel da visão computacional na agricultura hidropónica#

Tal como na agricultura tradicional, a saúde das plantas na hidroponia depende das condições adequadas. Mesmo pequenos desequilíbrios em fatores como nutrientes, temperatura ou humidade podem causar problemas, como folhas amareladas, crescimento atrofiado ou doenças. Uma vez que os sistemas hidropónicos dependem de ambientes controlados, qualquer perturbação pode afetar um grande número de plantas num curto espaço de tempo.

A visão computacional proporciona aos agricultores uma forma melhor de monitorizar as suas culturas. As câmaras podem ser instaladas por cima das áreas de cultivo, como tabuleiros, prateleiras ou estantes verticais, ou montadas em calhas que se deslocam ao longo das filas. Estas câmaras podem captar imagens continuamente, criando uma cronologia visual do crescimento de cada planta.

Estas imagens também podem ser analisadas por modelos de Vision AI, como o YOLO11, que pode detetar plantas individuais, segmentar as folhas do fundo, classificar fases de crescimento e acompanhar alterações visíveis ao longo do tempo. Isto facilita a deteção de problemas numa planta ou num grupo de plantas.

Por exemplo, se várias plantas começarem a desenvolver manchas pálidas, a visão computacional pode reconhecer o padrão e destacar a área afetada. Ao transformar imagens em informações acionáveis, a Vision AI ajuda os agricultores a responder rapidamente a possíveis problemas, reduzir a mão de obra e manter as culturas saudáveis e produtivas.

Aplicações da visão computacional na agricultura hidropónica#

Agora que discutimos como a visão computacional melhora os sistemas hidropónicos, vejamos algumas aplicações reais em que esta tecnologia já está a fazer a diferença.

Tecnologia hidropónica inteligente e robótica#

As explorações hidropónicas cultivam frequentemente plantas em tabuleiros muito compactos que precisam de ser deslocados durante as diferentes fases de crescimento. Deslocar os tabuleiros pode melhorar a iluminação, simplificar os cuidados com as plantas ou preparar as culturas para a colheita. Em grandes explorações, fazer isto manualmente exige muito tempo e esforço.

Robôs autónomos integrados com visão computacional podem facilitar este processo. À medida que estes robôs se deslocam pela estufa, a visão computacional pode ajudar a detetar o estado de cada planta.

Um exemplo interessante é o Grover, um robô para estufas concebido para transportar grandes módulos de plantas, alguns com um peso de até 1.000 libras. Utiliza sensores para navegar em segurança e recorre à Vision AI para monitorizar a saúde das culturas. Ao tratar tanto do deslocamento como da avaliação das plantas, robôs como o Grover apoiam o funcionamento diário das operações e ajudam a reduzir a necessidade de mão de obra em sistemas de cultivo controlados.

Fig. 2. Um robô autónomo numa exploração hidropónica a deslocar tabuleiros de plantas.

Agricultura de precisão com visão computacional em microexplorações#

As explorações hidropónicas nem sempre precisam de grandes espaços. Podem ser instaladas pequenas unidades em locais como escritórios, escolas ou hospitais para cultivar verduras frescas em interiores. Estas instalações são frequentemente utilizadas para educação, programas de bem-estar ou produção alimentar local. No entanto, geri-las diariamente pode ser um desafio. Os funcionários podem estar ocupados ou não ter experiência em cuidados com plantas, tornando difícil assegurar uma manutenção consistente.

Para facilitar o processo, podem ser utilizados sensores, câmaras e visão computacional para monitorizar a saúde das plantas ao longo do dia. Vejamos, por exemplo, as Babylon Micro-Farms. As suas unidades de cultivo foram concebidas para espaços interiores onde as pessoas podem não ter experiência agrícola. Cada unidade utiliza câmaras integradas para monitorizar o crescimento das plantas e envia atualizações úteis e dicas de cuidados através de uma aplicação, facilitando a manutenção.

Fig. 3. Uma unidade hidropónica inteligente que permite a monitorização remota.

Monitorização automatizada de plantas orientada por Vision AI#

Cultivar culturas em vários lotes significa que as plantas amadurecem em momentos diferentes. Para gerir este processo, os agricultores precisam de saber quais as plantas que estão prontas e quais ainda estão a desenvolver-se. A visão computacional pode ajudar, interpretando imagens, detetando a localização das plantas e classificando as suas fases de crescimento.

Esta abordagem permite uma monitorização não invasiva, o que significa que os agricultores podem acompanhar a saúde e o desenvolvimento das plantas sem tocar fisicamente nas culturas nem as perturbar. Ao analisar regularmente as imagens, o sistema pode monitorizar o progresso ao longo do tempo e identificar padrões que indiquem quando uma planta se aproxima da maturidade.

Vejamos mais de perto como isto funciona:

• Detetar plantas individuais: Primeiro, a deteção de objetos pode ser utilizada para localizar e identificar cada planta na área de cultivo, mesmo em tabuleiros cheios ou sobrepostos.
• Classificar características das plantas: Em seguida, a classificação de imagens pode ser utilizada para analisar características visuais, como cor, tamanho e formato, para determinar a fase de crescimento da planta ou detetar sinais de stress ou doença.
• Gerar informações para a tomada de decisões: Em conjunto, estas tarefas permitem acompanhar o desenvolvimento das plantas ao longo do tempo e fornecer aos agricultores informações claras e atempadas, como quais as plantas prontas para a colheita e quais precisam de mais tempo.

Fig. 4. Utilização da deteção de objetos para detetar alface.

Vantagens e desvantagens da visão computacional na agricultura hidropónica#

Eis algumas das principais vantagens da utilização da visão computacional na agricultura hidropónica:

• Maior facilidade de expansão das operações: Depois de instalados, os sistemas de visão computacional podem ser utilizados em mais unidades ou locais de cultivo sem necessidade de pessoal adicional. Isto facilita a expansão da exploração, mantendo o controlo e a consistência.
• Acesso e controlo remotos: Muitos sistemas permitem aos agricultores consultar as condições das culturas e receber alertas a partir de qualquer lugar, facilitando a gestão das explorações sem estar no local.
• Maior consistência: A monitorização automatizada reduz o erro humano, resultando em cuidados mais uniformes das plantas e numa maior qualidade geral.

Apesar dos muitos benefícios da Vision AI na agricultura hidropónica, também existem algumas limitações a ter em conta. Eis alguns fatores a considerar:

• Sensibilidade às condições ambientais: Os sistemas de visão computacional podem ser afetados por iluminação insuficiente, reflexos, lentes de câmaras sujas ou embaciadas e plantas sobrepostas, problemas comuns em ambientes interiores que podem reduzir a precisão.
• Problemas de compatibilidade: Algumas explorações podem precisar de atualizar a infraestrutura para suportar sistemas de Vision AI. As instalações mais antigas podem não dispor da fonte de alimentação, do espaço físico ou da conectividade de rede necessários para instalar e operar câmaras e sensores.
• Requisitos de retreino dos modelos: Os modelos de AI podem precisar de ser retreinados ou ajustados quando utilizados com novos tipos de plantas, configurações de iluminação ou sistemas de cultivo, o que acrescenta complexidade.

Principais conclusões#

Tarefas de visão computacional, como deteção de objetos e segmentação de instâncias, tornam mais rápida e precisa a monitorização da saúde das plantas, das fases de crescimento e do desempenho geral das culturas. Desde a deteção de sinais precoces de stress até ao apoio ao planeamento da colheita, os sistemas baseados em visão reduzem a mão de obra e conferem maior consistência às tarefas diárias.

À medida que a tecnologia de Vision AI continua a avançar, torna-se mais fácil de utilizar, mais adaptável a diferentes tipos de culturas e mais escalável para explorações de todos os tamanhos. Com a sua crescente acessibilidade e precisão, a visão computacional deverá tornar-se uma ferramenta essencial para uma agricultura eficiente e orientada por dados no futuro.

Junta-te à nossa comunidade e consulta o nosso repositório no GitHub para saberes mais sobre visão computacional. Explora diferentes aplicações de AI no retalho e de visão computacional na área da saúde nas nossas páginas de soluções. Consulta as nossas opções de licenciamento e começa hoje a utilizar a Vision AI!