IDENTIFICAÇÃO DE ERVAS DANINHAS EM CULTURAS DE MILHO USANDO OPENCV E SVM: REDUZINDO HERBICIDAS E AUMENTANDO A PRODUTIVIDADE

Resumo

Usando OpenCV e um algoritmo de Máquina de Vetores de Suporte (SVM), desenvolvemos um sistema para identificar ervas daninhas em culturas de milho. O modelo, treinado com 1.200 imagens, atingiu uma precisão de 90%. Para coletar os dados, capturamos 1.500 imagens com smartphones, anotando manualmente 1.000 imagens contendo ervas daninhas e 500 sem. Essas imagens foram organizadas em uma base de dados, categorizadas por tipo de planta e divididas em 80% para treinamento e 20% para teste. Desenvolvemos uma interface web intuitiva onde os agricultores podem enviar imagens de suas colheitas, que são analisadas para detectar a presença e o tipo de ervas daninhas. Em testes de campo realizados em uma área piloto de 10 hectares, o sistema identificou corretamente 85% das ervas daninhas, permitindo um controle mais preciso dos herbicidas e uma redução de 20% no uso de herbicidas. Essa redução resultou em um aumento de 10% na produtividade das culturas e uma diminuição de 15% nos custos de gestão. Além disso, a redução no uso de herbicidas contribuiu significativamente para a sustentabilidade ambiental. Em conclusão, o projeto demonstrou que um simples sistema de identificação de ervas daninhas, usando câmeras comuns e algoritmos de visão computacional, pode ser eficaz e economicamente viável. Os resultados indicam que essa tecnologia tem grande potencial para melhorar a sustentabilidade e a produtividade das culturas de milho, ao mesmo tempo que reduz os impactos ambientais. Pesquisas futuras poderiam expandir essa tecnologia para outras culturas e áreas maiores, ampliando ainda mais os benefícios econômicos e ambientais para os agricultores.