Identificação e controle de plantas daninhas através de análises de imagens realizadas por ARP : uma revisão

Abstract

Resumo: O seguinte trabalho consiste em uma revisão sistemática que aborda a aplicação de drones na identificação e pulverização localizada de herbicidas em plantas daninhas na agricultura de precisão. Os drones, também conhecidos como Veículos Aéreos Não Tripulados (VANTs) ou Aeronaves Remotamente Pilotadas (ARP), têm se mostrado uma opção vantajosa e acessível para a agricultura moderna, impulsionada por redução de custos operacionais e avanços tecnológicos. O objetivo principal desta revisão foi examinar o estado atual da tecnologia em relação à identificação de plantas daninhas por meio de análise de imagens, com uso de drones para aplicação precisa de herbicidas. Foram estabelecidos objetivos específicos, tais como verificar a proximidade da tecnologia em permitir aplicações localizadas com identificação em tempo real de plantas daninhas por meio de drones de pulverização e avaliar a necessidade de estudos acadêmicos adicionais nessa área. A revisão destaca a relevância do uso de algoritmos de aprendizado de máquina, deep learning e processamento de imagens, que juntas possibilitam a detecção e classificação precisa das plantas daninhas. Vários algoritmos foram testados em diferentes culturas, apresentando resultados promissores com acurácia superior a 90%. Adicionalmente, o estudo discute a importância de frameworks e sistemas inteligentes para automatizar o processo de detecção e pulverização. Os pesquisadores enfatizam a necessidade do desenvolvimento de algoritmos específicos para diferentes condições ambientais, a fim de garantir eficácia na aplicação localizada. No entanto, desafios significativos são identificados, incluindo a precisão na identificação de alvos em condições reais, a aplicação seletiva de herbicidas e a otimização do uso da bateria do drone para aumentar sua autonomia. Apesar dos avanços obtidos até o momento, os estudos indicam que são necessários mais experimentos em condições reais, considerando os fatores ambientais e práticos, para melhor compreensão e aplicação dessa tecnologia na agricultura de precisão