Robôs agrícolas reduzem a necessidade de colheita manual.

Investigadores indicam que um robô apanhador de morangos que afasta as folhas com um jacto de ar antes de alcançar o fruto aumenta o sucesso da colheita em condições reais de campo.

Essa melhoria aproxima uma das tarefas mais delicadas da agricultura da assistência mecânica - mesmo que, por enquanto, as pessoas continuem a fazê-la com maior rapidez.

Falta de mão de obra na agricultura

Em todo o estado de Washington, a mão de obra agrícola diminuiu 23% entre 2017 e 2022, ao passo que a mão de obra migrante caiu 37%.

Este aperto sente-se de forma particularmente intensa nos pomares e nos campos de bagas, onde os frutos maduros têm de ser identificados, avaliados e retirados com grande cuidado.

“A colheita manual custa muito dinheiro”, afirmou Lav Khot, professor de agricultura de precisão no Departamento de Engenharia de Sistemas Biológicos da WSU.

É precisamente este tipo de pressão que leva a WSU a desenvolver ajudas à colheita que aliviam o esforço no terreno, em vez de esperar por uma máquina totalmente autónoma que resolva tudo de uma vez.

Como funcionam os robôs

Nos canteiros de morangos ao ar livre, as bagas maduras ficam muitas vezes ocultas sob folhas, o que impede a visão de um sistema mecânico e reduz a sua capacidade de alcance.

Na Universidade do Estado de Washington (WSU), engenheiros registaram esse obstáculo e criaram um robô que remove a barreira antes de tentar apanhar o fruto.

Nos testes em campo, a taxa de apanha subiu para 73.9% com a ventoinha, face a 58.1% quando o sistema operava sem esse auxílio.

Ainda assim, mesmo com este avanço, cada baga continuou a exigir cerca de 20 segundos para ser colhida. Esta limitação mantém a questão do trabalho humano no centro do tema.

Robótica suave em pomares

Noutra linha de investigação, uma equipa da WSU concebeu um braço para maçãs, macio e insuflado com ar, capaz de trabalhar perto dos ramos sem raspar nos frutos.

Como o corpo em tecido é leve e os movimentos são suaves, diminui-se o risco de pisar maçãs e também de danificar ramos.

Os pomares modernos, já conduzidos em linhas mais planas e em “paredes” de copa, encaixam bem nesta abordagem, porque os corredores rectos oferecem trajectos mais simples para as máquinas.

A segurança, por si só, não resolve a falta de trabalhadores, mas evidencia a forma como o equipamento dos pomares está a ser redesenhado a pensar, ao mesmo tempo, nas árvores e em quem nelas trabalha.

Dados orientam decisões

A informação sobre meteorologia e cultura tem peso, já que o AgWeatherNet ajuda as explorações a acompanhar as condições antes de avançarem robôs ou equipas.

O AgWeatherNet da WSU transforma leituras de estações em ferramentas que assinalam calor, geada, momento de rega e risco de pragas.

Estas ferramentas recorrem à aprendizagem automática - software que identifica padrões úteis em grandes fluxos de dados - e não apenas a regras fixas.

Acertar no momento local é crucial para a automação, porque enviar uma máquina cedo demais ou tarde demais pode desperdiçar tanto mão de obra como água.

Água guiada por sensores

Num pomar de Mattawa, no centro do estado de Washington, uma 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 programas que ajustavam automaticamente a hora e o volume de rega.

Apesar da redução, os investigadores não observaram sinais de stress nas árvores e estimaram uma maior eficiência no uso da água.

A robótica depende do mesmo tipo de informação atempada, porque planeamento de rega, arrefecimento e colheita estão intimamente interligados.

O tempo varia dentro da mesma exploração

Um talhão de pomar pode aquecer ou arrefecer de forma diferente do talhão ao lado, o que explica a importância da meteorologia à escala da exploração.

Os agricultores chamam a isso microclima - o estado do tempo numa área muito pequena - e é ele que determina quando o fruto entra em stress.

Com mais dados locais, as previsões poderiam apoiar decisões à escala de cada acre, permitindo que as máquinas actuem sobre um ponto fraco em vez de tratarem o campo inteiro da mesma forma.

Uma precisão desse nível pode tornar a automação viável, porque as explorações raramente falham ou prosperam exactamente pelos mesmos motivos e nos mesmos locais.

As pessoas continuam no centro

Nenhum protótipo em Washington está a substituir equipas de forma directa, e os melhores resultados continuam a surgir quando máquinas e pessoas trabalham em conjunto.

Os trabalhadores mantêm tarefas essenciais: avaliar frutos difíceis, movimentar caixas, acompanhar reparações e decidir quando um campo é demasiado complexo para ser gerido apenas por software.

“O stress que tínhamos para conseguir produzir coisas, penso que a IA pode ajudar a mitigar esse stress nos humanos”, disse Khot.

Visto desta forma, as máquinas funcionam como parceiras: retiram pressão repetitiva, mas deixam o julgamento humano a comandar.

A velocidade continua a ser o maior desafio

A apanha de bagas continua muito atrás da rapidez das equipas humanas experientes, sobretudo quando os frutos ficam escondidos sob folhas irregulares.

Nos pomares, os robôs enfrentam outro tipo de abrandamento, porque cada movimento tem de evitar ramos, arames de condução e frutos próximos.

Lama, encandeamento, vento e o crescimento variável das plantas também empurram estes sistemas para além das condições controladas de um laboratório.

É provável que o progresso chegue como uma redução gradual do trabalho repetitivo, e não como uma única máquina que, de repente, passe a fazer tudo.

A confiança constrói-se com o tempo

Os produtores não adoptam equipamento novo apenas porque funciona uma vez, e as universidades públicas têm de demonstrar valor de forma consistente.

Dias de campo, partilha de dados e ensaios nas explorações são importantes, porque os agricultores precisam de ver como as ferramentas se comportam ao longo de épocas reais.

A WSU, enquanto universidade pública criada para servir as comunidades, testa estas soluções lado a lado com os produtores.

No fim, é esse trabalho contínuo e voltado para o público que pode determinar se os protótipos se tornam ferramentas do dia a dia ou se ficam limitados a demonstrações.

O que muda agora

O cenário que se desenha no estado de Washington não é o de explorações sem pessoas, mas o de explorações onde dados e máquinas absorvem o esforço repetitivo.

À medida que as ferramentas se tornam mais rápidas e mais específicas localmente, a principal questão passa a ser quanto trabalho manual pesado conseguem eliminar primeiro.