IA automatiza identificação de vespas que podem substituir inseticidas na agricultura
Estudo da USP usou visão computacional e deep learning para identificar vespas parasitoides com alta precisão
Divulgação/Governo de SP
Uma pesquisa feita na Escola de Engenharia de São Carlos (EESC) da USP aliou técnicas de visão computacional e deep learning para automatizar a identificação de vespas que podem ser usadas como controle biológico na agricultura.
Usando um banco de dados de mais de 3 mil imagens em alta resolução, a técnica identificou vespas parasitoides por família com alta precisão. O estudo, apresentado como dissertação de mestrado de João Manoel Herrera Pinheiro, tem potencial para revolucionar o trabalho de especialistas em taxonomia, ciência que classifica, identifica, nomeia e organiza os seres vivos em categorias na descrição e catalogação de insetos.
O trabalho foi feito em parceria com biólogos da Universidade Federal de São Carlos (UFSCar) e o Instituto Nacional de Ciência e Tecnologia (INCT) dos Hymenoptera Parasitoides da Região Sudeste (Hympar/Sudeste), que reúne uma coleção de mais de 600 mil espécies de vespas. “O foco do meu trabalho foi na identificação de vespas parasitoides, da família Ichneumonidae”, diz João Pinheiro ao Jornal da USP.
Ele explica que, por ser o maior grupo, esses invertebrados são abundantes e às vezes muito parecidos, o que aumenta a complexidade no trabalho do entomologista, que é quem identifica e estuda os insetos. “Com esse trabalho eu consegui aprender bastante sobre a importância das vespas. Foi gratificante ver como a engenharia e a inteligência artificial podem ajudar em outras áreas”, conta.
Marcelo Becker, coordenador do Centro de Robótica da USP, docente da EESC e orientador do estudo, reforça que esse trabalho pode poupar muito tempo de especialistas. A ideia é que, com esse sistema, seja possível, através da imagem, já fazer automaticamente essa primeira classificação, deixando o especialista alocado numa tarefa menos mecânica.
A proposta foi usar aprendizado profundo para que o computador reconhecesse estruturas visuais, com foco em características biologicamente relevantes, como padrões na nervação das asas e no formato da cabeça e do corpo dos insetos. O material biológico utilizado no estudo foi cedido pela coleção taxonômica DCBU da UFSCar e o conjunto de dados Dataset of Parasitoid Wasps and Associated Hymenoptera (DAPWH), com 3.556 imagens em alta resolução, utilizadas para treinar o algoritmo e disponíveis publicamente.
As vespas estudadas, majoritariamente nativas brasileiras, são conhecidas por parasitar outros insetos considerados pragas nas plantações. Por ser um grupo pouco explorado em temas de pesquisa, essa família tem aplicação no controle sustentável de pragas agrícolas.
