Dados espectrais podem melhorar identificação automatizada de ervas daninha

O progresso está sendo feito na corrida para implantar soluções de controle de ervas daninhas altamente direcionadas e baseadas em máquinas. Mas um fator limitante é a incapacidade dos sensores de distinguir de forma confiável as ervas daninhas das plantações. Pesquisadores no Brasil, porém, demonstraram como a espectroscopia e a análise de dados podem fornecer um caminho a seguir.

Em um artigo publicado na revista Weed Science, a equipe de pesquisa descreve seu sucesso no uso da tecnologia para distinguir entre três espécies de ipomeia difíceis de controlar encontradas em campos de cana-de-açúcar economicamente importantes do Brasil – ivyleaf, japonês e hairy woodrose.

A equipe usou espectroscopia de infravermelho próximo para coletar dados espectrais de espécimes cultivados em laboratório das três ervas daninhas e, em seguida, desenvolveu modelos de classificação com base nas diferenças detectadas entre elas. Com os dados de classificação como um guia, eles foram capazes de usar a espectroscopia para alcançar taxas de precisão de identificação de 99,3 por cento para Ivyleaf morningglory, 98,5 por cento para a ipomeia japonesa e 98,7 por cento para a ipomeia peluda.

“Desenvolver técnicas confiáveis ​​baseadas em sensores para a identificação de espécies de ervas daninhas é um primeiro passo importante para o manejo altamente direcionado de ervas daninhas”, diz Andreisa Flores Braga, Ph.D., da Universidade Estadual Paulista. “Com sensores inteligentes que podem distinguir de forma confiável as ervas daninhas das culturas no campo, teremos as informações necessárias para orientar os pulverizadores mecanizados e aplicar herbicidas pós-emergentes em ervas daninhas específicas.”

Fonte: Krishak Jagat, 17/04/2023

Fonte da Imagem: Freepik