Dos pixels à produtividade: detecção de grãos em espigas de milho com inteligência artificial e o caminho para a fenotipagem móvel na agricultura
Produtividade, Zea Mays, imagens, pixel.
A contagem manual de grãos em espigas de milho é trabalhosa e sujeita a erros, reforçando a necessidade de soluções automatizadas. Este estudo teve como objetivo desenvolver e validar um modelo computacional capaz de estimar com precisão o número total de grãos a partir de imagens de espigas de milho. Para isso, utilizou-se o algoritmo de detecção de objetos YOLOv8. O conjunto de dados foi composto por 1342 imagens obtidas em diferentes ângulos e backgrounds, submetidas a técnicas de data augmentation e divididas em 70% para treinamento, 20% para validação e 10% para teste. O modelo foi treinado em 300 epochs no ambiente Colab. Seu desempenho foi comparado à contagem manual das mesmas espigas, utilizando a correlação de Spearman e o coeficiente de determinação (R²) como métricas de avaliação. Os resultados indicaram alta concordância entre os métodos, com correlação de Spearman de 0,91 e R² de 0,84. Em condições de background homogêneo, o modelo mostrou desempenho consistente e potencial de aplicação direta em campo, promovendo economia de tempo. A integração ao aplicativo móvel GRA’IN amplia ainda mais esse potencial, permitindo automatizar a contagem de grãos e estimar a produtividade de milho, apoiando decisões de forma ágil e precisa.