IA classifica severidade de doenças foliares com 97,2% de acerto

Pesquisadores da Universidade de Guizhou, na China, desenvolveram um sistema de inteligência artificial capaz de classificar a severidade de doenças foliares com 97,20% de acurácia. Batizado de AgriMamba, o modelo combina imagens e descrições de sintomas para delimitar lesões e calcular a proporção da folha comprometida.

A equipe reuniu 10.350 amostras de 16 culturas, entre elas soja, milho, trigo, algodão, café, citros e tomate. Cada registro reúne imagem, delimitação da folha, identificação das áreas lesionadas, descrição patológica e classificação da severidade.

Três etapas

O processamento ocorre em três etapas. Primeiro, o sistema localiza a folha de interesse e elimina a interferência do fundo da imagem. Depois, utiliza informações sobre cor, formato, bordas e distribuição das lesões para separar tecidos afetados e sadios. Por fim, calcula o percentual da área lesionada e enquadra o resultado em seis níveis de severidade.

Nos ensaios, o AgriMamba superou modelos tradicionais de segmentação de imagens. O concorrente EoMT alcançou 95,26% de acerto. O novo método também apresentou desempenho superior na identificação de manchas pequenas e dispersas, situação comum nas fases iniciais de doenças.

Teste adicional

Em teste adicional com 290 imagens, o AgriMamba alcançou 96,55% de acurácia, ante 88,27% do GPT-5 e 89,31% do Gemini 3 Pro. Segundo os pesquisadores, os modelos generalistas apresentaram dificuldades para estimar a área afetada em imagens com sombras e fundos complexos.

O processamento levou, em média, 67,14 milissegundos por imagem no equipamento utilizado nos testes. A equipe aponta a necessidade de reduzir o consumo de memória para viabilizar a aplicação em dispositivos de campo (doi 10.1016/j.cj.2026.07.003).