ARTIGO: BIOMONITORAMENTO E INTELIGÊNCIA ARTIFICIAL EM BENEFÍCIO DA PESQUISA BRASILEIRA

O termo “inteligência artificial” se popularizou em velocidade surpreendente, mas ainda permanece abstrato para boa parte das pessoas. Pode-se dizer que o termo está intrinsecamente ligado à capacidade de transformar computadores em máquinas que funcionam como mentes. Ou a dar automação a atividades associadas ao pensamento humano, como a tomada de decisões e a resolução de problemas. Ou ainda a criar máquinas que executam funções que exigem inteligência.

Para tornar o termo ainda mais palatável, vale retomar o exemplo da parceria da SciCrop com a Fundepag e Conexão.f em pesquisa desenvolvida por grupo coordenado pelos pesquisadores Marisa Domingos e Ricardo Nakazato, do Instituto de Botânica.

IA, Nicotiana tabacum e ozônio

O uso de Nicotiana tabacum ‘Bel W3’ para fazer o biomonitoramento dos níveis de contaminação atmosférica por ozônio vem sendo estudado por este grupo, que tem acompanhado o aumento na demanda por sistemas que permitem o monitoramento desse tipo de gás no meio ambiente – e seus reflexos na qualidade de vida. O ozônio é um dos principais poluentes atmosféricos em grandes cidades, é altamente tóxico aos seres vivos, e sua concentração no ar que respiramos constantemente ultrapassa os padrões de qualidade impostos pelos órgãos sanitários.

A Constituição Federal de 1988, em seu artigo nº 225, afirma, como direito, um “meio ambiente ecologicamente equilibrado” e que este meio ambiente é um “bem de uso comum, essencial à sadia qualidade de vida”. Sendo assim, ao monitorar os diferentes níveis de ozônio, torna-se mais próxima a ideia do desenvolvimento sustentável. Com os dados desse monitoramento, é viável estabelecer políticas públicas para atender as necessidades das futuras gerações.

Para desenvolver a pesquisa de biomonitoramento, o grupo do Instituto de Botânica optou por usar plantas padronizadas, que apresentam uma série de vantagens. Entre elas, o baixo custo de implantação em grande escala, e o uso de forma cumulativa em eventos ocorridos durante um determinado período de tempo – resgatando um histórico ambiental não passível de detecção ou medição por outros métodos. Conhecidas como bioindicadoras, essas plantas trazem informações precisas sobre a toxicidade em seres vivos e podem evitar desequilíbrios ambientais – como exige o artigo nº 225. Nesse sentido, a escolha da Nicotiana tabacum ‘Bel W3’ surge como uma bioindicadora conveniente. Hoje, ela está entre as espécies mais usadas em biomonitoramento da contaminação atmosférica por ozônio.

O método usado pelos pesquisadores propõe expor plantas cultivadas com ar filtrado em diferentes áreas da cidade e níveis distintos de contaminação. Após a exposição, é determinada, visualmente, a porcentagem de área foliar com necroses e cloroses foliares. Na superfície abaxial da folha, é verificada a relação com os poluentes e fatores climáticos. No geral, a variação em danos foliares observada nos diferentes locais e ao longo do tempo acompanha a variação na concentração de ozônio.

Nos estudos conduzidos pelo grupo de pesquisas do Instituto de Botânica, o Nicotiana tabacum ‘Bel W3’ mostrou-se adequado para biomonitoramento qualitativo da presença de ozônio na cidade de São Paulo.

Figura 1: Fotos das necroses provocadas por ozônio em folhas de N. tabacum ‘Bel W3’.
Figura 1: Fotos das necroses provocadas por ozônio
em folhas de N. tabacum ‘Bel W3’.

Onde entra a inteligência artificial

Os pesquisadores viram uma oportunidade para a SciCrop aplicar seus conhecimentos em inteligência artificial para agilizar o processo de registro das necroses e cloroses foliares nas plantas expostas aos diferentes níveis de ozônio pela cidade.

Um exemplo de metodologia que poderia ser adotada consiste em processar imagens como a Figura 1, com as áreas de interesse demarcadas, e então aplicar um modelo de Deep Learning, uma área do conhecimento relacionada à IA, baseado no artigo da YOLOV3.

Esse modelo foi escolhido por permitir a localização e a classificação simultâneas de objetos em imagens. O modelo funciona em duas camadas; a primeira, de classificação, indica a probabilidade de encontrarmos os objetos de interesse em regiões pré-estabelecidas. Já a segunda, de regressão, indica a posição exata dos objetos de interesse encontra. O resultado são polígonos que indicam onde estão as necroses, conforme a Figura 2.

Figura 2: Fotos dos polígonos que demarcam as necroses com base no YOLOV3. Foto retirada do protocolo VDI (2003) e modificada pela Scicrop.
Figura 2: Fotos dos polígonos que demarcam as necroses com base no YOLOV3. Foto retirada do protocolo VDI (2003) e modificada pela Scicrop.

Esse modelo poderia ser escolhido por viabilizar a classificação e a segmentação simultâneas de objetos por em imagens, valendo-se, de forma eficiente e rápida, das demarcações disponíveis.

A metodologia usada é apenas um dos caminhos possíveis para desenvolver estudos como o do grupo de pesquisas do Instituto de Botânica e Scicrop. Para saber mais, entre em contato com a Conexão.f – conexao@fundepag.br ou com a SciCrop – info@scicrop.com.

About Maria Eloisa Véras
Graduanda nos bacharelado em Ciência e Humanidades e bacharelado Planejamento Territorial, ambos na Universidade Federal do ABC (UFABC). Realizo pesquisas na área ambiental relacionadas às geotecnologias. Atualmente trabalho na SciCrop com zonas rurais.

No Comments, Be The First!

Your email address will not be published.