Radar de ondas milimétricas e aprendizado de máquina identificam espécies de insetos polinizadores sem contato
Desafios no monitoramento de polinizadores
Abelhas e outros insetos polinizadores desempenham papéis cruciais em cadeias alimentares e na polinização de culturas agrícolas. Apesar disso, monitorá-los tem sido uma tarefa complexa e trabalhosa. Os métodos tradicionais exigem a captura e até o sacrifício dos insetos para uma identificação precisa, o que limita a frequência e o alcance das pesquisas.
Visão computacional e suas limitações
Para superar essas dificuldades, cientistas tentaram usar sistemas de visão equipados com aprendizado de máquina para classificar automaticamente insetos. Porém, esses sistemas enfrentam obstáculos significativos, como variações de iluminação, condições climáticas adversas, fundos visuais complexos e a mobilidade dos insetos, que frequentemente voam ao serem abordados, tornando a obtenção de imagens úteis um desafio constante.
Inovação: uso de radar para identificação de insetos
Pesquisadores europeus resolveram explorar uma abordagem diferente: a análise de varreduras de radar de insetos. Embora o uso de radar para estudar insetos migratórios em grandes altitudes já exista há décadas, o foco dessa pesquisa foi em insetos solitários voando próximos ao solo, como os polinizadores, que visitam flores.
Segundo Adam Narbudowicz, professor associado da Universidade Tecnológica da Dinamarca, o sinal refletido por insetos individuais é muito fraco para ser detectado instantaneamente. A solução foi integrar os sinais ao longo do tempo para captar as assinaturas micro-Doppler geradas pelas batidas das asas, que são padrões temporais distintos causados por pequenos movimentos como oscilações.
Radar de ondas milimétricas: tecnologia e metodologia
Os pesquisadores optaram pelo radar de ondas milimétricas, pois essas frequências têm comprimentos de onda compatíveis com o tamanho dos insetos, oferecendo maior sensibilidade. Além disso, essas ondas são utilizadas em redes celulares modernas, mostrando sua aplicabilidade tecnológica.
O experimento foi conduzido no campus do Trinity College Dublin, onde cinco espécies de insetos polinizadores, incluindo abelhas e vespas, foram capturadas e colocadas em pequenos cilindros plásticos sobre a antena do radar para registrar suas assinaturas. Após a coleta dos dados, os insetos foram liberados sem danos.
Resultados do aprendizado de máquina na classificação
O modelo de aprendizado de máquina analisou mais de 70 características das reflexões radar, como frequência das batidas das asas, velocidade das mudanças no movimento das asas e intensidade do sinal. Os resultados, publicados no jornal PNAS Nexus, mostraram que as diferenças sutis nas assinaturas micro-Doppler permitem distinguir espécies com 85% de precisão.
Quando o sistema classificou os insetos em famílias maiores — quatro espécies de abelhas versus uma de vespa — a precisão subiu para 96%. Além disso, a acurácia melhorou conforme o inseto permanecia mais tempo no feixe do radar, aumentando de 75% para 0,1 segundo para 84% em 1 segundo.
Implicações práticas e próximas etapas
Os pesquisadores sugerem a criação de estruturas tipo armadilhas onde os insetos possam voar livremente enquanto são examinados pelo radar, e depois sejam liberados ilesos. A potência do radar utilizada está abaixo do limite que poderia causar danos aos insetos, oferecendo uma alternativa ética e não invasiva aos métodos tradicionais que utilizam líquidos venenosos.
Embora o foco tenha sido em polinizadores, a técnica também pode ser aplicada para monitorar pragas e espécies invasoras. O próximo passo é desenvolver uma versão portátil e de campo do sistema, além de construir um banco de dados global de assinaturas radar de insetos, integrando informações ambientais para analisar variações comportamentais.