Visão computacional para agricultura de precisão: detecção de pragas com deep learning em ambientes naturais

Este trabalho propõe uma abordagem experimental com o uso de inteligência artificial para o reconhecimento de pragas em ambientes agrícolas, utilizando redes neurais convolucionais (CNNs). As imagens foram obtidas diretamente no campo, em uma área agrícola situada no norte do Paraná, Brasil, totalizando 1500 registros de três pragas com relevância econômica: Dalbulus maidis, Diabrotica speciosa e Euschistus heros. Para o treinamento e validação do modelo de classificação, foi empregada a arquitetura EfficientNet-B0, que obteve acurácia de 94,2%, além de elevados índices de precisão, especificidade e F1-score. Os resultados demonstram a eficácia das CNNs na identificação de pragas em condições reais de cultivo, indicando sua aplicabilidade em soluções tecnológicas voltadas à agricultura de precisão. O uso dessa abordagem pode ser integrado a dispositivos móveis ou embarcados, contribuindo para o monitoramento automatizado de lavouras, favorecendo o controle mais eficiente de pragas e promovendo a diminuição da aplicação de defensivos químicos, com ganhos ambientais e econômicos.