Cientistas brasileiros desenvolveram uma plataforma digital para diagnóstico e análise de risco da ferrugem asiática da soja, uma das doenças mais severas da cultura. A tecnologia integra inteligência artificial à análise combinada de dados climáticos, agronômicos e imagens digitais das folhas, gerando relatórios com recomendações técnicas de manejo para apoiar decisões mais precisas no campo.
O sistema funciona em nuvem e reúne informações de sensores ambientais, parâmetros como cultivar, espaçamento e calendário de plantio, além de imagens digitais das plantas. Os resultados são organizados em um painel on-line, que permite ao produtor acompanhar séries temporais de dados climáticos e registros visuais da lavoura. Agora, os pesquisadores buscam parceiros privados para viabilizar a transferência da solução ao setor produtivo.
A ferramenta foi desenvolvida no âmbito do projeto “Ferramenta Digital Avançada para o Gerenciamento de Riscos Agrícolas”, apoiado pela Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp). A iniciativa integrou o doutorado do cientista da computação Ricardo Alexandre Neves na Universidade Federal de São Carlos (UFSCar), sob orientação do pesquisador Paulo Cruvinel, da Embrapa Instrumentação. O estudo foi publicado em julho de 2025 na revista científica AgriEngineering.
Doença pode causar perdas de até 80%
A ferrugem asiática, provocada pelo fungo Phakopsora pachyrhizi, pode causar perdas de até 80% na lavoura, segundo dados da Embrapa, além de gerar custos de controle que podem ultrapassar US$ 2 bilhões por safra. A disseminação ocorre pelo vento, o que dificulta o controle da doença dentro e fora da área cultivada.
No Brasil, a soja tem peso estratégico. A estimativa da Companhia Nacional de Abastecimento (Conab) para a safra 2025/26 é de 177,6 milhões de toneladas, com crescimento de 3,6% na área plantada, que deve alcançar 49,1 milhões de hectares. O grão é matéria-prima para alimentos, ração animal e biocombustíveis.
O controle da ferrugem é feito principalmente com fungicidas químicos, mas o patógeno tem apresentado resistência crescente a diferentes classes de defensivos. Isso pode levar ao aumento no número de aplicações, elevando custos de produção e impactos ambientais.
Fusão de dados e precisão no diagnóstico
A pesquisa foi conduzida em modelo on-farm research, diretamente no ambiente de produção, com monitoramento de variáveis climáticas e coleta de imagens digitais em áreas georreferenciadas na região de Poxoréu (MT). Durante quatro anos de estudo com a cultivar BRS 536, foram gerados mais de 2 gigabytes de dados por ciclo produtivo.
O sistema classifica a favorabilidade da doença em três níveis — baixo, médio e alto — com base na combinação de variáveis como umidade relativa acima de 90%, temperatura entre 15°C e 28°C, período de molhamento foliar e ponto de orvalho. Também são analisados padrões de cor nas folhas, associados aos estágios da doença, que evoluem de manchas amareladas para áreas avermelhadas e, posteriormente, castanhas.
Para integrar as diferentes informações, os pesquisadores utilizaram o modelo estatístico de Cadeias Ocultas de Markov, que se mostrou mais robusto do que a lógica Fuzzy testada inicialmente. Segundo o estudo, o método alcançou 100% de acerto na correspondência dos cenários avaliados sobre risco de ocorrência da ferrugem asiática.
Com a base de regras estruturada a partir da fusão de dados, a plataforma permite diagnósticos e prognósticos mais eficazes, contribuindo para racionalizar o uso de fungicidas, reduzir custos e mitigar impactos ambientais. A expectativa agora é levar a solução para o mercado, ampliando o acesso dos produtores à ferramenta de apoio à decisão.
