Investigadores descrevem que um robô de colheita de morangos, capaz de afastar folhas com uma corrente de ar antes de alcançar o fruto, melhora a taxa de sucesso da apanha em condições reais de campo.
Esse avanço aproxima uma das tarefas mais delicadas da agricultura de apoio mecânico - ainda que, por agora, as equipas humanas continuem a fazê-la com maior rapidez.
Falta de mão de obra na agricultura
No estado de Washington, a disponibilidade de trabalhadores agrícolas caiu 23% entre 2017 e 2022, enquanto o trabalho migrante recuou 37%.
A escassez sente-se de forma particularmente intensa nos trabalhos com fruta - em pomares e campos de pequenos frutos - onde é preciso localizar a colheita no ponto certo, avaliá-la e levantá-la com cuidado.
“Colher à mão custa muito dinheiro”, afirmou Lav Khot, professor de agricultura de precisão no Department of Biological Systems Engineering da Washington State University (WSU).
É por isso que a WSU tem apostado em desenvolver ajudantes de colheita que aliviem a pressão no curto prazo, em vez de esperar por um sistema totalmente autónomo que resolva tudo de uma vez.
Como funciona o robô de colheita de morangos da WSU
Em canteiros exteriores de morangos, os frutos maduros ficam muitas vezes escondidos sob folhas, o que reduz a visibilidade para uma máquina e dificulta o alcance do manipulador.
Na WSU, engenheiros registaram esse bloqueio no terreno e construíram um robô que remove a obstrução antes de tentar colher.
Nos ensaios em campo, a taxa de colheita subiu para 73.9% com a ventoinha, face a 58.1% sem esse mecanismo de sopro.
Ainda assim, mesmo com a melhoria, cada morango continuou a exigir cerca de 20 segundos para ser colhido - um limite que mantém a pressão laboral como tema central.
A velocidade continua a ser um obstáculo
A apanha mecanizada de morangos permanece bastante atrás do desempenho de equipas experientes, sobretudo quando os frutos ficam tapados por folhas irregulares.
Nos pomares, a lentidão tem outra origem: cada movimento do braço tem de contornar ramos, arames de condução e frutos vizinhos.
Além disso, lama, reflexos de luz, vento e o crescimento variável das plantas empurram estes sistemas para lá das condições controladas de um laboratório.
Por isso, é provável que o progresso chegue através de reduções graduais do trabalho repetitivo, e não pela aparição súbita de uma única máquina capaz de fazer tudo.
Dados a orientar decisões
A informação meteorológica e de cultura é determinante, porque o AgWeatherNet ajuda as explorações a acompanhar as condições antes de entrarem robots ou equipas.
O AgWeatherNet da WSU transforma leituras de estações em ferramentas que assinalam riscos de calor e geada, ajudam a planear a rega e indicam probabilidade de pragas.
Essas ferramentas recorrem a aprendizagem automática - software que identifica padrões úteis em grandes fluxos de dados - em vez de depender apenas de regras fixas.
Para a automação, acertar no momento certo é essencial: se uma máquina for enviada demasiado cedo ou demasiado tarde, pode desperdiçar tanto mão de obra como água.
A água passa a seguir os sensores
Num pomar em Mattawa, no centro de Washington, a rega automatizada consumiu menos 52.4% de água do que um talhão de comparação.
Os produtores alcançaram esse resultado ao ligar sinais do solo, da planta e do tempo a programações que ajustaram automaticamente o momento e o volume de rega.
Apesar da redução, os investigadores não observaram sinais de stress nas árvores e estimaram uma maior eficiência no uso de água.
Essa mesma disponibilidade de informação atempada também é vital para a robótica, uma vez que rega, arrefecimento e planeamento da colheita estão fortemente interligados.
O tempo muda dentro da própria exploração
Um talhão pode aquecer ou arrefecer de forma diferente do seguinte, o que explica a importância de meteorologia à escala da exploração.
Os produtores chamam a isto microclima - o estado do tempo numa área muito pequena - e é esse detalhe que determina quando a fruta entra em stress.
Mais dados locais poderiam permitir previsões ao nível de cada acre, para que as máquinas atuem num ponto fraco em vez de tratarem o campo inteiro da mesma forma.
Uma precisão desse tipo pode tornar a automação viável, porque as explorações raramente falham ou prosperam de maneira uniforme.
Robótica macia nos pomares
Noutra linha de trabalho, uma equipa da WSU desenvolveu um braço para maçãs, macio e cheio de ar, capaz de operar perto dos ramos sem riscar os frutos.
Como o corpo em tecido é leve e se movimenta de forma suave, diminui o risco de provocar nódoas nas maçãs ou danos nos ramos.
As linhas modernas de pomares, já conduzidas em paredes mais planas, encaixam bem neste conceito, já que espaços mais direitos oferecem trajetos mais simples para as máquinas.
A segurança, por si só, não elimina a falta de mão de obra, mas evidencia como o hardware dos pomares está a ser repensado em função das pessoas e das árvores.
As pessoas continuam no centro
Nenhum protótipo no estado de Washington está a substituir equipas de forma direta; os melhores resultados continuam a surgir quando máquinas e pessoas trabalham em conjunto.
Os trabalhadores mantêm a responsabilidade de avaliar frutos difíceis, deslocar caixas, vigiar reparações e decidir quando um campo é complexo demais para ser gerido apenas por software.
“O stress que costumávamos ter para produzir coisas, penso que a IA pode ajudar a mitigar esse stress nos humanos”, disse Khot.
Visto assim, as máquinas funcionam como parceiras: retiram a carga repetitiva, enquanto o julgamento humano permanece a comandar.
A confiança constrói-se devagar
Os produtores não adotam equipamento novo só porque funciona uma vez, e as universidades públicas precisam de demonstrar valor repetidamente.
Dias de campo, dados partilhados e ensaios em explorações são importantes, porque os agricultores querem observar como as ferramentas se comportam ao longo de épocas reais.
Quando a WSU testa soluções lado a lado com produtores, atua como uma universidade pública de concessão de terras, criada para servir comunidades.
No fim, é esse trabalho contínuo e público que pode decidir se os protótipos se tornam ferramentas do dia a dia ou se ficam apenas como demonstrações.
O que está a mudar agora
O cenário que se desenha em Washington não é o de explorações sem pessoas, mas o de explorações onde dados e máquinas absorvem parte da pressão repetitiva.
À medida que as ferramentas se tornam mais rápidas e mais localizadas, a principal questão passa a ser quanto trabalho manual pesado conseguem retirar primeiro.
Comentários
Ainda não há comentários. Seja o primeiro!
Deixar um comentário