O controle de pragas que ameaçam a agricultura depende do monitoramento contínuo das plantações. Esse acompanhamento, quando realizado de forma manual, exige profissionais dedicados e treinados, além de consumir muito tempo. Um estudo publicado no periódico Neotropical Entomology analisa o desenvolvimento de soluções tecnológicas para o monitoramento automático de pragas, com foco nas tecnologias desenvolvidas entre 2020 e 2025. A análise indica que técnicas de visão computacional e inteligência artificial estão transformando o cenário do Manejo Integrado de Pragas, ao mesmo tempo em que revela os desafios atuais e futuros para a área.

O trabalho, que contou com o apoio do projeto Semear Digital, mapeou 57 estudos que atenderam aos seguintes critérios: propor soluções computacionais aplicadas para a identificação e contagem de insetos; utilizar insetos capturados em armadilhas ou fotografados diretamente nas plantas; e basear a identificação em imagens digitais. “Percebemos que a maioria dos trabalhos foi proposta na China e o Brasil aparece logo na sequência como um dos principais promotores dessas pesquisas. São muitas as culturas visadas, como milho, trigo, frutíferas e até hortaliças, enquanto os grupos de insetos mais estudados incluem cigarrinhas, moscas-brancas, mariposas e afídeos (pulgões)”, explica Telmo De Cesaro Júnior (IFSul), um dos autores do trabalho.

Entre as soluções avaliadas, 20 são protótipos de armadilhas eletrônicas (e-traps) capazes de capturar imagens no campo em tempo real. Os meios atrativos empregados foram baseados na teoria das cores, como armadilhas adesivas e bandejas com água de fundo amarelo, bem como em feromônios sexuais ou fontes luminosas. Observou-se ainda a incorporação de componentes eletrônicos, como painéis solares, módulos de comunicação sem fio, câmeras para aquisição de imagens digitais e microcontroladores, com o objetivo de ampliar o nível de automatização, realizar o processamento local dos dados ou transmitir informações para servidores remotos. Essas propostas de e-traps permitem a coleta contínua de dados, eliminando a necessidade de visitas frequentes ao campo e facilitando a implementação do Manejo Integrado de Pragas. “A lógica toda é obter o dado com maior facilidade, substituindo o processo de coleta e, consequentemente, as etapas de identificação e contagem manual”, sintetiza Douglas Lau, pesquisador da Embrapa Florestas e também autor do artigo.

Reconhecimento automático de insetos em imagens digitais

O reconhecimento das espécies-alvo é um dos grandes desafios enfrentados no desenvolvimento desses sistemas. Os pesquisadores avaliaram que o melhor desempenho nessa tarefa foi alcançado pelos protótipos que transmitem as imagens digitais para servidores remotos ou na nuvem, já que esses locais dispõem de mais recursos computacionais e permitem a execução de modelos de aprendizagem profunda mais complexos para a análise das imagens. Já em locais com conectividade limitada, a alternativa é realizar o processamento local, o que exige a compactação dos modelos para viabilizar sua execução na borda (edge computing). Essa estratégia, no entanto, pode acarretar redução no desempenho em comparação com soluções que transmitem as imagens para servidores com maior capacidade de processamento.

As estratégias para o desenvolvimento de modelos de visão computacional também evoluíram significativamente. Em um estudo de revisão realizado anteriormente pelos autores, abrangendo a literatura publicada entre 2015 e 2019, observou-se um período de transição, no qual técnicas de extração manual de características, como cor, comprimento e perímetro dos insetos, coexistiam com as primeiras aplicações de redes neurais convolucionais. Atualmente, essa transição está consolidada, com a predominância de modelos de deep learning, como as arquiteturas mais recentes da família YOLO e os Vision Transformers, que incorporam mecanismos de atenção para aprimorar a extração automática de características discriminativas das imagens, dispensando a engenharia manual de atributos e proporcionando maior precisão e robustez.

Para Rafael Rieder (Universidade Passo Fundo), a consolidação dos modelos de deep learning mudou o foco dos desafios tecnológicos. Para ele, “os modelos atuais alcançaram níveis elevados de desempenho na detecção e na contagem de insetos, mas o avanço das aplicações depende agora de bases de dados mais representativas e de modelos capazes de generalizar para diferentes condições de campo, como variações de iluminação, fundo e posicionamento dos insetos. Esses fatores são determinantes para que a inteligência artificial possa ser empregada de forma confiável no Manejo Integrado de Pragas”.

Apesar do aumento do desempenho das novas tecnologias, Douglas Lau aponta a dificuldade de distinguir espécies muito parecidas como sendo o desafio central a ser enfrentado. “Mesmo para um especialista, identificar sob lupa diferentes espécies de afídeos (pulgões) é um processo complicado, porque são caracteres taxonômicos muito pequenos, detalhes que permitem a identificação da espécie”, explica. As ferramentas atuais de visão computacional até conseguem contar os insetos de forma genérica, mas não chegam a esse grau de refinamento. A lacuna é especialmente relevante porque, na prática, a maioria dos pulgões que caem nas armadilhas não são os que realmente ameaçam a lavoura. “Dependendo da época do ano, os pulgões associados ao trigo capturados na armadilha correspondem a menos de 5% da amostragem total”, exemplifica o pesquisador. “Assim, embora se obtenha um retrato fiel da flutuação populacional, a incapacidade de qualificar as espécies presentes impede uma avaliação precisa do risco.”

Alertas para a execução do manejo

A avaliação do risco para a lavoura e a indicação da necessidade de manejo são um dos principais resultados do processo de monitoramento automático de pragas. “A meta é que esse dado possa ser processado de forma a emitir um alerta para a execução do manejo”, sintetiza Lau. “Contar os insetos é só o primeiro passo. A informação precisa alimentar modelos de simulação populacional que considerem temperatura, umidade e estágio fenológico da cultura, para então orientar o momento e a intensidade da intervenção.”

“A automação do monitoramento representa um passo essencial para o avanço do Manejo Integrado de Pragas. No entanto, nossa revisão mostrou que grande parte das soluções ainda se encontra em fase de maturação, com protótipos validados em escala limitada e por curtos períodos de tempo. Também identificamos que a transição da contagem automática de insetos para ferramentas efetivas de apoio à decisão ainda é um desafio, principalmente pela necessidade de integrar os dados de monitoramento com informações meteorológicas e fenológicas da cultura, por meio de modelos de simulação capazes de prever surtos e gerar alertas que orientem a tomada de decisão no manejo”, afirma De Cesaro Júnior.”

Além da precisão dos algoritmos, a revisão destaca que a contribuição efetiva para o Manejo Integrado de Pragas exige a integração dos dados de contagem com variáveis climáticas, estágio fenológico da planta e modelos de simulação populacional. A plataforma Brazilian Insect Survey (BIS), desenvolvida pela parceria entre IFSul, UPF e Embrapa Trigo, representa um exemplo dessa abordagem. Nela, as contagens de insetos, realizadas de forma manual e automatizada, alimentam um banco de dados integrado a modelos de previsão e informações meteorológicas, permitindo a emissão de alertas quando há risco de a população atingir o limiar de ação. “A lógica toda é obter o dado com maior facilidade e que ele possa ser processado de forma a emitir um alerta para a execução do manejo. No momento em que o técnico insere a informação, o modelo de previsão recupera esse dado, considera a condição para os próximos quatorze dias e prediz se a população vai aumentar e atingir aquele limiar que a gente usa para a tomada de decisão”, explica Lau. A revisão mostra, porém, que essa integração ainda é rara: entre os 57 estudos analisados, apenas quatro combinaram explicitamente os dados de monitoramento com informações climáticas para apoiar a tomada de decisão. “Esse ciclo que integra monitoramento digital, modelos preditivos e alertas agronômicos é o caminho que apontamos para que as armadilhas inteligentes contribuam efetivamente com o Manejo Integrado de Pragas, oferecendo ao produtor informações qualificadas para decidir o momento mais adequado para a intervenção”, conclui Lau.

O artigo completo pode ser acessado em: De Cesaro Júnior, T., de Oliveira, C.A.L., Lau, D. et al. Fine-Grained Recognition of Insect Pests from Digital Images: A Survey. Neotrop Entomol 55, 48 (2026). https://doi.org/10.1007/s13744-026-01385-8

Érica Speglich (MTb 0100674/SP)

Graziella Galinari (MTb 3863/PR)

Embrapa Agricultura Digital

Contatos para a imprensa: agricultura-digital.imprensa@embrapa.br