Desenvolvimento de um sistema de detecção de pragas em soja utilizando técnicas de aprendizado de máquina

Abstract

O agronegócio no Brasil é fundamental para o crescimento econômico e movimenta trilhões​ de reais a cada ano. Esse avanço é impulsionado pela exportação da soja e pela adoção de​ soluções inovadoras que aumentam a produtividade e a eficiência no campo. O Brasil se​ destaca como líder na exportação da soja, atendendo a uma demanda global crescente por​ esse grão. Nesse contexto, este trabalho teve como objetivo avaliar a viabilidade técnica​ de uma solução baseada em Inteligência Artificial (IA) para auxiliar na identificação de​ pragas em lavouras de soja. Para isso, foi desenvolvido um protótipo funcional composto​ por um modelo de aprendizado de máquina treinado com imagensde plantas de soja​ afetadas por pragas e exemplares saudáveis, integrado a um aplicativo móvel que permite​ que usuários enviem fotos e recebam previsões em tempo real. A proposta demonstra,​ em ambiente acadêmico, o potencial de integração entre IA e dispositivos móveis no​ monitoramento agrícola. Como resultado, obteve-se um sistema funcional que pode servir​ de base para estudos futuros e validação de tecnologias semelhantes em aplicações reais.

Agribusiness plays a central role in Brazil’s economic development, with soybean cultiva-​ tion being one of its most significant pillars. This growth is driven by high global demand​ for soybeans and by the adoption of innovative technologies that enhance productivity​ and optimize farming practices. In this context, this work proposes and evaluates the​ technical feasibility of a solution based on Artificial Intelligence (AI) to support the iden-​ tification of pests in soybean crops. A functional prototype was developed, consisting​ of a machine learning model trained on a dataset composed of images of both healthy​ and pest-affected soybean plants. This model was integrated into a mobile application,​ allowing users to submit images and receive real-time predictions. The system showcases,​ within an academic setting, the potential of integrating AI with mobile technologies for​ agricultural monitoring. The resulting application offers a functional baseline that may​ inform future research and the validation of similar technologies in real-world scenarios.