Uma pesquisa desenvolvida na Escola de Engenharia de São Carlos (EESC) da USP aliou técnicas de visão computacional e deep learning, um campo da inteligência artificial em rápida evolução, para automatizar a identificação de vespas parasitoides. Esses insetos podem ser usados como controle biológico na agricultura, reduzindo a necessidade de pesticidas. O estudo, apresentado como dissertação de mestrado de João Manoel Herrera Pinheiro, utilizou um banco de dados com mais de 3 mil imagens em alta resolução, alcançando alta precisão na identificação de vespas por família.
O trabalho foi realizado em parceria com biólogos da Universidade Federal de São Carlos (UFSCar) e o Instituto Nacional de Ciência e Tecnologia (INCT) dos Hymenoptera Parasitoides da Região Sudeste (Hympar/Sudeste), que reúne uma coleção de mais de 600 mil espécies de vespas. O foco foi nas vespas da família Ichneumonidae, a mais diversa da ordem Hymenoptera, que inclui abelhas, formigas e outras vespas. “O foco do meu trabalho foi na identificação de vespas parasitoides, da família Ichneumonidae. Essa superfamília é o grupo mais diverso da ordem Hymenoptera, que contém as abelhas, formigas e vespas não-parasitoides, dentro do qual diversas espécies ainda não foram descritas”, explica João Pinheiro ao Jornal da USP.
Essencial para o monitoramento da biodiversidade e estratégias de controle biológico, a identificação taxonômica precisa é um trabalho especializado que consome tempo. “Existe todo um ciclo em que a pessoa pesquisadora coloca armadilhas na mata ou na área de cultivo, coleta os insetos através de redes, coloca todos em receptáculos, manda para a universidade e reserva no frigorífico. Tirando dali, começa a separação entre o que é mosca, formiga, vespa. É preciso um especialista com anos de formação”, explica Marcelo Becker, coordenador do Centro de Robótica da USP e orientador do estudo. “Depois, ainda é preciso identificar o animal dentro da família, gênero ou espécie. A ideia é que, com esse sistema, seja possível, através da imagem, já fazer automaticamente essa primeira classificação, deixando o especialista alocado numa tarefa menos mecânica.”
A proposta utilizou aprendizado profundo para reconhecer estruturas visuais biologicamente relevantes, como padrões na nervação das asas, formato da cabeça e do corpo. O conjunto de dados Dataset of Parasitoid Wasps and Associated Hymenoptera (DAPWH) continha 3.556 imagens em alta resolução, cedidas pela coleção taxonômica DCBU da UFSCar. “O modelo, de fato, aprendeu a identificar morfologias do inseto. Então, por exemplo, para uma família específica, a rede neural teve mais ativação na asa, ou seja, podemos dizer que o modelo ‘enxergou’ a asa para fazer aquela predição”, diz Pinheiro. Ele acrescenta: “poderíamos especular que o modelo possa vir a ‘enxergar’, no futuro, detalhes que o ser humano não consegue diferenciar, afinal, nossa visão é limitada dentro do espectro de luz e o computador pode acessar uma faixa mais ampla e encontrar padrões que nós ainda não identificamos”.
As vespas estudadas, majoritariamente nativas brasileiras, parasitam outros insetos considerados pragas. “Por ser um grupo pouco explorado em temas de pesquisa, essa família de vespas ainda tem pouco uso em controle biológico, mas o potencial é enorme. Pense que, ao invés de usar um defensor agrícola numa plantação de mandioca ou de couve, por exemplo, a vespa, por causa do seu próprio ciclo de parasitismo, consegue matar as pragas dessas plantações, que geralmente são larvas de borboletas, utilizando as larvas para fechar o ciclo reprodutivo delas. É um controle biológico natural”, afirma João Manoel Pinheiro.
Marcelo Becker enfatiza que o acervo de fotografias de alta qualidade, disponibilizado pela professora Angélica Maria Penteado-Dias, da UFSCar, foi essencial. “O acervo com que trabalhamos é muito específico: um tipo de vespa importante para fazer o controle biológico de pragas em diferentes culturas agrícolas. A professora Angélica nos deu uma verdadeira aula sobre isso, explicou que há vespas que ajudam a controlar pragas na mandioca, outras em cana-de-açúcar, outras no café, e por aí vai. A importância e aplicabilidade dessa pesquisa para a agricultura está na alternativa mais sustentável ao uso de inseticidas e pesticidas, que constitui um impacto muito favorável”, conclui Becker.
O estudo contou com apoio da Capes, FAFQ, Fapesp, CNPq e INCT-HYMPAR, e foi conduzido em colaboração com Gabriela do Nascimento Herrera e Angélica Maria Penteado Dias, ambas da UFSCar. A tecnologia promete revolucionar a taxonomia e contribuir para a conservação da biodiversidade e a agricultura sustentável.
