Cientistas japoneses desenvolvem arena virtual para treinar robôs colheitadeiras de tomate

Pesquisadores da Universidade Metropolitana de Osaka criaram um ambiente virtual que gera imagens realistas de tomates e dados de treinamento para inteligência artificial. A inovação elimina a necessidade de rotulagem manual de milhares de imagens em campo, um dos principais gargalos da robótica agrícola.

Robôs colheitadeiras utilizam IA para identificar frutos maduros nas plantas. O treinamento desses sistemas exige conjuntos massivos de imagens, onde cada tomate precisa ser manualmente contornado e classificado por maturação.

As condições reais das fazendas variam conforme a luz natural, formato das plantas e ambiente de cultivo. Essa variabilidade dificulta a criação de modelos de IA confiáveis fora do laboratório.

A equipe liderada pelo professor Takuya Fujinaga reconstruiu ambientes agrícolas em 3D usando o motor gráfico Unreal Engine 5 e a técnica 3D Gaussian Splatting. Segundo reportagem do portal phys.org, a simulação reproduz com fidelidade iluminação, texturas e geometria de plantações reais.

O sistema gera automaticamente etiquetas no formato YOLO, padrão adotado para treinamento de detecção de objetos por IA. As etiquetas indicam a posição e o nível de maturação de cada tomate nas imagens sintéticas, sem intervenção humana.

Os pesquisadores treinaram modelos de IA com os dados sintéticos e comprovaram sua eficácia na detecção de tomates em imagens reais. A validação cruzada entre virtual e físico demonstra que a simulação pode substituir o trabalho exaustivo em campo.

Fujinaga destacou que a equipe identificou as condições que mais influenciam a precisão da IA. Entre elas estão as diferenças na forma dos modelos 3D dos tomates, variações de iluminação e o tamanho do conjunto de dados.

Embora o estudo tenha se concentrado em tomates, os princípios são aplicáveis a diversas culturas agrícolas. A pesquisa abre caminho para acelerar a automação da colheita em diferentes produtos.

O trabalho foi publicado na revista Smart Agricultural Technology. Representa um avanço na agricultura de precisão, combinando robótica, visão computacional e IA para aumentar a eficiência e reduzir a dependência de mão de obra intensiva.