IA identifica vespas para substituir inseticidas na agricultura

Uso de deep learning e visão computacional para identificar vespas parasitoides da família Ichneumonidae, visando controle biológico na agricultura.
O modelo foi treinado com mais de 3.556 imagens em alta resolução do conjunto de dados Dataset of Parasitoid Wasps and Associated Hymenoptera (DAPWH).
O estudo é apresentado como dissertação de mestrado de João Manoel Herrera Pinheiro, na Escola de Engenharia de São Carlos da USP.
A pesquisa contou com parceria da Universidade Federal de São Carlos e do Instituto Nacional de Ciência e Tecnologia Hympar/Sudeste, além de apoio de instituições como CAPES, FAFQ, Fapesp e CNPq.
A proposta busca acelerar a identificação taxonômica e ampliar aplicações da biologia sintética na agricultura, contribuindo para monitoramento da biodiversidade e práticas agrícolas mais sustentáveis.

Uma pesquisa da Escola de Engenharia de São Carlos (EESC) da USP usou visão computacional e deep learning para automatizar a identificação de vespas da família Ichneumonidae. O estudo tem foco no uso dessas vespas como controle biológico na agricultura. A dissertação foi apresentada por João Manoel Herrera Pinheiro.

O trabalho utiliza um banco de dados com mais de 3 mil imagens em alta resolução para classificar vespas parasitoides por família com alta precisão. A iniciativa envolve cooperação com a UFSCar e o INCT Hympar/Sudeste, que reúne uma vasta coleção de mais de 600 mil vespas.

A pesquisa surge como resposta à demanda por métodos de controle de pragas mais sustentáveis na agroindústria. Identifica estruturas visuais relevantes, como padrões de nervuras nas asas, para facilitar a taxonomia automática. A metodologia reduz o tempo gasto por especialistas no processo manual.

O estudo integra o acervo da UFSCar cedido pela professora Angélica Penteado-Dias e o conjunto DAPWH, com 3.556 imagens utilizadas no treinamento do algoritmo. O objetivo é acelerar a descrição e catalogação de insetos, assegurando maior precisão na identificação taxonômica.

Segundo o orientador Marcelo Becker, o sistema pode, no futuro, realizar a primeira classificação automática por imagem, liberando o trabalho dos entomólogos para tarefas mais complexas. A meta é ampliar a eficiência na identificação de espécies.

Pinheiro destaca que as vespas parasitoides, em especial o grupo Ichneumonidae, são extremamente diversificadas e podem ser pouco descritas. O estudo reforça a importância da taxonomia na conservação, ecologia e estratégias de controle de pragas.

Becker aponta que a tecnologia pode reduzir significativamente o tempo de coleta de amostras, envio a laboratórios e separação entre espécies. A visão computacional atua como ferramenta de triagem, complementando o trabalho humano.

O pesquisador ressalta o potencial prático para a agricultura brasileira, já que essas vespas podem controlar pragas em culturas como mandioca, cana-de-açúcar e café. O uso de controle biológico representa uma alternativa aos inseticidas.

O projeto teve apoio de CAPES, FAFQ, Fapesp, CNPq e INCT-HYMPAR, com colaboração de outras pesquisadoras da UFSCar. A dissertação está disponível para consulta na universidade, destacando avanços da IA na entomologia.

Mais informações sobre o estudo podem ser obtidas por meio do contato do pesquisador João Manoel Pinheiro. A pesquisa demonstra como engenharias computacionais podem avançar a biodiversidade e práticas agrícolas sustentáveis.