SIOPA: sistema inteligente para otimização de pulverização de defensivo agrícola

Abstract

Este trabalho descreveu o desenvolvimento de um sistema inteligente para analisar a qualidade da pulverização de defensivos agrícolas a partir de imagens de papel hidrossensível, com foco na agricultura de precisão. A proposta integrou uma aplicação web em Python com FastAPI, um módulo de processamento de imagens com OpenCV e um pipeline inicial de aprendizado de máquina utilizando algoritmos como Random Forest e SVM, ainda em fase de treinamento. O sistema permitiu o upload de imagens, anotação manual de gotículas e análise automatizada, estimando contagem de gotículas e cobertura. Foram estudadas arquiteturas avançadas, como DeepLabV3+ e modelos híbridos CNN-Transformer, além da integração com sensores IoT e dados ambientais em tempo real (EL SAKKA et al., 2025; HASHEMIBENI et al., 2022; WANG, Y., 2025), mas essas soluções ainda são conceituais para futuras implementações. Os impactos econômicos e ambientais, como redução no uso de defensivos, economia de água e menor emissão de poluentes, foram discutidos com base na literatura sobre agricultura de precisão (CANAL RURAL, 2009; CNA, 2025; AGÊNCIA BRASIL, 2021) e ferramentas como o aplicativo Gota, da Embrapa (EMBRAPA, 2025). As APIs utilizadas para obter dados ambientais eram gratuitas, o que reforça a viabilidade de uma solução de baixo custo. O protótipo demonstrou viabilidade técnica para automatizar a análise de papel hidrossensível e estabeleceu uma base sólida para experimentos futuros com modelos de aprendizado de máquina mais avançados e validações em campo.