BACKGROUND
Nos últimos anos, a cigarrinha-verde (de nome científico Jacobiasca lybica) emergiu como uma praga chave nas vinhas mediterrânicas. Esta praga provoca a senescência precoce das folhas, primeiro enrolando, depois ganhando coloração avermelhada nas variedades tintas ou amarelando nas variedades brancas e finalmente secando, reduzindo a atividade fotossintética das plantas, a produtividade e a qualidade das uvas. O InnovPlantProtect (InPP) iniciou em 2021 a monitorização desta praga em algumas das vinhas da João Portugal Ramos, em Estremoz.
Com base nos dados recolhidos até agora, foi possível compreender a dinâmica da praga e algum padrão espacial de infestação relacionado com dados meteorológicos e presença de adultos. O InPP desenvolveu um modelo de previsão de risco capaz de alertar o aparecimento de sintomas de nível crítico de gravidade com 2 semanas de antecedência.
O próximo desafio é encontrar formas de usar a agricultura de precisão, como inteligência artificial (IA) e drones, para apoiar o modelo de previsão de risco e aumentar a precisão da ocorrência espacial e temporal da infestação de cigarrinhas no campo.
Parte do desafio de usar a tecnologia digital no campo é torná-la acessível e utilizável pelos agricultores. Cada vez mais, a monitorização de pragas e doenças nas plantas beneficiará da IA e da automação (informatização), daí um dos principais desafios dos produtores é integrar ferramentas digitais, como telemóveis, drones, sensores IoT, aplicações webGIS aos planos de monitorização convencionais.
SINOPSE
O projeto AI4Leafhopper foi um dos 5 projetos premiados pelo projeto ICAERUS do Horizonte Europa no âmbito da primeira candidatura dedicada ao desenvolvimento de inovação. O InPP irá desenvolver o sistema inovador que utiliza dados recolhidos ao nível do ar e do solo, combinando imagens RGB e multiespectrais de drones com dados populacionais de cigarrinhas de armadilhas cromotrópicas convencionais. Além disso, serão adicionados dados de estações meteorológicas e de um espectrómetro de campo para completar o banco de dados.
O sistema será concebido para informar o agricultor sobre quando, onde e com que intensidade a cigarrinha está a atacar as suas vinhas, prevendo o risco do nível crítico de sintomas com até duas semanas de antecedência e, esperançosamente, detetando com antecedência plantas sintomáticas.
Deste modo, a solução AI4Leafhopper ajudará os produtores de vinho a controlar as infestações, fornecendo de forma automática, indicações tanto espaciais quanto temporais de onde a cigarrinha começa a danificar a vinha.
As soluções digitais propostas pelo AI4Leafhopper permitirão aos produtores de vinho:
1) minimizar o impacto ambiental da aplicação de pesticidas (reduzindo as aplicações fitoquímicas e as emissões de CO2), devido à aplicação precisa (espacial e temporal) destes compostos;
2) reduzir os custos com aplicações de pesticidas químicos e insumos de açúcar na vinícola (necessários para corrigir o efeito da cigarrinha nas uvas);
3) aproveitar melhor o seu horário de trabalho e recursos, através da redução do tempo dedicado à vigilância de pragas e permitindo decisões mais rápidas sobre o controlo de pragas.
Assim, os produtores serão capazes de gerar maiores receitas, aumentando a produção, o rendimento e qualidade da uva.
OBJETIVOS
1. Desenvolver um pipeline de deteção precoce de sintomas de cigarrinha, usando dados multiespectrais adquiridos por drones para detetar e classificar automaticamente a classe de gravidade dos sintomas de cada videira.
2. Desenvolver um modelo de recomendação de voo de drones, baseado no modelo de previsão de risco do InPP, para indicar se os drones devem ser implantados com duas semanas de antecedência.
3. Desenvolver um sistema de comunicação de alerta por telemóvel que informe os agricultores sobre: previsão do risco de gravidade dos sintomas da cigarrinha; recomendação de tempo de voo de drone; primeiros sintomas de infestação por cigarrinhas em vinhas.
ATIVIDADES
1. Monitorização da população de cigarrinhas e dos níveis de sintomas com armadilhas cromotrópicas e avaliação de ninfas ao nível do solo.
2. Monitorização de níveis de sintomas devido ao ataque de cigarrinha do nível do ar.
3. Desenvolvimento de modelo para processamento e análise automatizados de imagens de drones.
4. Melhoria do modelo de previsão de risco com base em dados meteorológicos e populacionais de cigarrinhas.
5. Desenvolvimento de sistema de alerta baseado na integração de modelos de previsão de risco e imagens de drones.
6. Promoção e demonstração das soluções.
ORGANIZAÇÕES ENVOLVIDAS
FINANCIAMENTO
