Tecnologia desenvolvida pela Picsel em parceria com a Bureau Veritas combina inteligência artificial, imagens de satélite e validação presencial para tornar inspeções agrícolas mais eficientes e escaláveis
A Picsel, deeptech brasileira especializada em inteligência de riscos para o agronegócio, desenvolveu, em parceria com a Bureau Veritas, uma solução que combina inteligência artificial, sensoriamento remoto e medições de campo para tornar mais eficiente a avaliação de estande em lavouras de algodão. Antes da implementação da tecnologia, o procedimento exigia quatro entradas em cada talhão para a realização das medições. Com o modelo híbrido desenvolvido pelas empresas, esse número foi reduzido para uma entrada por talhão, o que representa uma redução de 75% nas entradas de campo necessárias.
A presença em campo continua fazendo parte do processo. A diferença é que a medição presencial realizada em cada talhão passa a ser complementada por imagens de satélite e modelos de inteligência artificial capazes de analisar a variabilidade existente no restante da área. Dessa forma, a tecnologia amplia a representatividade da avaliação sem retirar a validação presencial do procedimento. Inicialmente aplicada em Mato Grosso e Bahia, a solução foi posteriormente aprimorada e expandida para Tocantins, Piauí, Rondônia e Goiás, tornando-se adequada a diferentes condições produtivas.
De acordo com a deeptech, o projeto nasceu da necessidade de tornar mais ágil e escalável a avaliação de grandes extensões territoriais, mantendo a consistência técnica do processo. A solução evoluiu de uma prova de conceito para uma operação contínua, construída e validada conjuntamente pela Picsel e pela Bureau Veritas em algumas das principais regiões produtoras de algodão do país.
Como funciona o sensoriamento remoto
Após o envio dos arquivos geográficos das propriedades, a plataforma processa imagens de satélite e aplica modelos proprietários de inteligência artificial treinados para estimar a densidade do estande de algodão com base na resposta espectral da vegetação e nas características da cultura. Em cerca de 20 minutos, o sistema gera mapas de densidade e relatórios técnicos que complementam a medição realizada em campo e apoiam o trabalho dos auditores. O resultado é uma leitura espacial mais abrangente de cada talhão, com menor necessidade de deslocamentos e de medições presenciais repetidas.
Para desenvolver, treinar e calibrar os modelos, foram utilizadas mais de 12 mil amostras coletadas em campo. O processo envolveu sucessivos ciclos de treinamento e validação para superar desafios relacionados às diferenças entre regiões produtoras, à cobertura de nuvens nas imagens orbitais, às variações entre safras e às diferentes cultivares utilizadas. Na primeira safra operacional, a plataforma foi utilizada na análise de 10.267 talhões de algodão. Todos os talhões receberam uma entrada presencial para medição, complementada pela análise remota da área. Em comparação com o protocolo anterior, que previa quatro entradas por talhão, a nova metodologia reduziu em 75% a quantidade de entradas de campo necessárias.
Nos processos de validação, o modelo apresentou erro médio inferior a 0,5 planta por metro nas principais regiões produtoras. A tecnologia também já processou dados reais associados a uma área superior a 800 mil hectares, demonstrando capacidade para operar em larga escala e em diferentes contextos produtivos. Mais do que digitalizar uma etapa da inspeção agrícola, a solução demonstra como a inteligência artificial pode ser incorporada a operações críticas do agronegócio sem eliminar a presença e a responsabilidade técnica dos especialistas.
Segundo Daniel Miquelluti, cofundador e Head de Novos Mercados e P&D da Picsel, a tecnologia não substitui o trabalho dos auditores, muito pelo contrário. Seu papel é ampliar a capacidade de análise, reduzir deslocamentos e medições repetidas e oferecer uma visão mais abrangente da variabilidade existente em cada área. Nos testes realizados, o modelo híbrido, combinando uma referência presencial em todos os talhões com a análise por sensoriamento remoto, apresentou o melhor desempenho técnico e operacional.
“O maior desafio foi desenvolver um modelo capaz de manter a precisão em diferentes regiões produtoras e condições de cultivo. Os testes mostraram que o melhor resultado não vinha da substituição completa do campo, mas da combinação entre uma referência presencial e a capacidade de leitura espacial dos modelos. Mantivemos uma entrada em todos os talhões e utilizamos a inteligência artificial e o sensoriamento remoto para complementar essa medição. Com isso, reduzimos de quatro para uma as entradas de campo necessárias, preservando a consistência técnica e tornando a operação mais escalável”, afirma o Head de Novos Mercados e P&D da Picsel.
Além do algodão, a metodologia desenvolvida pela deeptech pode ser aplicada a outras culturas e processos de inspeção e certificação agrícola. Entre os próximos passos do projeto estão a incorporação de novas fontes de dados, a ampliação da cobertura para outras regiões e o desenvolvimento de novas aplicações voltadas à inteligência de riscos no agronegócio.
A iniciativa também ilustra como projetos de inovação aberta podem reunir competências complementares para o desenvolvimento de soluções aplicadas ao setor. A Picsel foi responsável pela aplicação de inteligência artificial, sensoriamento remoto e automação das análises agrícolas, enquanto a Bureau Veritas contribuiu com o conhecimento operacional, as observações coletadas em campo e a validação técnica da metodologia em uma operação real.
