Pesquisadores da Academia Chinesa de Ciências desenvolveram o modelo AAUConvNeXt, utilizando redes neurais convolucionais avançadas (CNN) e algoritmos de otimização inteligentes, superando as técnicas convencionais no monitoramento do alojamento de arroz. O alojamento, que ocorre devido a fatores ambientais como vento e chuva, é um grande desafio para a produtividade agrícola, pois dificulta a fotossíntese, complica a colheita e aumenta a vulnerabilidade das plantas às pragas.
Os métodos tradicionais de monitoramento, como inspeção visual e modelagem matemática, têm limitações em termos de precisão, escalabilidade e capacidade de resposta rápida. O AAUConvNeXt se destaca por otimizar estrategicamente os canais nas camadas convolucionais, ajustando-os de forma dinâmica conforme a necessidade de aprendizado de cada camada. Isso melhora o desempenho e a eficiência computacional, alcançando 96,3% de precisão de pixel, 96,3% de precisão média de pixel e 93,2% de interseção média sobre união (mIoU), superando modelos como DeepLabV3+ e HRNet.
O modelo não apenas alcançou alta precisão, mas também reduziu a complexidade computacional em 8,66%, tornando-o mais eficiente em termos de recursos. Com uma excelente capacidade de distinguir entre estados completos, parciais e sem alojamento, o AAUConvNeXt oferece uma solução eficaz para intervenções agrícolas oportunas, como ajustes na irrigação e controle de pragas.
De acordo com o Dr. Xiaobo Sun, líder da pesquisa, o uso de aprendizado profundo aliado à otimização inteligente possibilita um monitoramento eficiente e econômico das culturas. Esse avanço pode transformar a gestão do cultivo de arroz, tornando as práticas agrícolas mais produtivas e sustentáveis. O modelo AAUConvNeXt abre novas possibilidades para melhorar a produtividade no campo e reduzir custos operacionais.
