Machine learning que identifica doenças na cana-de-açúcar pela câmera do iPhone, levando diagnóstico rápido e acessível para dentro da lavoura.
No campo, o diagnóstico chega tarde demais, e a lavoura paga a conta.
Diagnóstico em tempo real
Recomendação gerada: aplicação de fungicida à base de estrobilurina. A leitura sob luz forte pediu alto contraste e o mínimo de esforço cognitivo.
Como pesquisei
Levantei quais doenças realmente importam na cana. Das 216 catalogadas, poucas concentram o prejuízo: ferrugem e carvão lideram, e são justamente as que dão para conter se pegas cedo.
Nas entrevistas ficou claro o gargalo: o diagnóstico confiável depende de um especialista, e ele é escasso justamente nas regiões onde a cana cresce.
O app seria usado no meio da lavoura: sol batendo na tela, mãos sujas e pouco tempo. Isso importava tanto quanto a precisão do modelo.
Testei os apps de identificação de plantas disponíveis. Quase todos miram plantas domésticas, e nenhum leva a sério uma cultura como a cana. Aí estava a lacuna.
O que a pesquisa mostrou
Interface no campo
Protótipo interativo
Navegue pelo app.
Clique nos botões do app para navegar