YOLO-Based Deep Learning for Citrus Fruit Detection, Counting, and Yield Estimation in Complex Orchard Environments: A Systematic Review

Imagine um pomar de laranjeiras, com seus galhos pesados de frutos, escondido sob uma copa de folhas. Para um trabalhador humano, contar cada única laranja em tal cena é uma tarefa lenta, exaustiva e propensa a erros; uma pessoa pode contar um fruto duas vezes, enquanto outra pode perder um escondido nas sombras profundas. Para os agricultores, errar essa contagem significa calcular mal quanto de fruta eles irão colher, o que compromete tudo, desde a contratação de mão de obra até o planejamento de quantos caminhões serão necessários. Para resolver isso, cientistas recorreram a câmeras e computadores, ensinando as máquinas a "ver" o fruto tal como um humano faria. A ferramenta mais popular para este trabalho é um tipo de software chamado YOLO, que significa "You Only Look Once" (Você Só Olha Uma Vez). É um sistema rápido e eficiente projetado para escanear uma imagem e detectar objetos instantaneamente, tornando-o ideal para robôs ou drones que precisam tomar decisões em frações de segundo enquanto se movem por um pomar. Mas, à medida que essas ferramentas se tornaram mais comuns, o campo tornou-se povoado com centenas de estudos diferentes, cada um alegando ter encontrado uma maneira melhor de contar citrinos. A questão permanece: esses sistemas estão realmente prontos para o mundo real ou são apenas bons em performar em um laboratório controlado?

Uma equipe de pesquisadores partiu para responder a isso realizando um olhar abrangente sobre quase duzentas investigações científicas que utilizaram esses sistemas de detecção rápida para encontrar e contar frutos cítricos. Eles não apenas leram as manchetes; eles mergulharam nos detalhes de noventa estudos específicos, aplicando um conjunto rigoroso de regras para ver o que estava realmente acontecendo por trás dos números. O objetivo deles era entender não apenas o quão bem os computadores performavam, mas como os pesquisadores os testavam e se os resultados podiam ser confiáveis. Eles descobriram que a tecnologia de fato amadureceu. Quando esses sistemas são testados em imagens de frutas, eles são notavelmente precisos, identificando corretamente a vasta maioria das laranjas, limões e mandarinas que veem. Em média, os sistemas encontraram cerca de noventa por cento das frutas que realmente estavam lá e estavam corretos cerca de noventa por cento das vezes quando diziam ter encontrado algo. Este nível de desempenho sugere que a tecnologia central está funcionando bem o suficiente para ser útil.

No entanto, os pesquisadores descobriram que a história é mais complicada do que as altas taxas de sucesso sugerem. Embora os computadores sejam bons em detectar frutas em fotos, a maneira como os cientistas têm testado eles é frequentemente falha. Em quase todos os estudos revisados, os pesquisadores executaram seus testes apenas uma vez, sem repetir o experimento para ver se os resultados eram consistentes ou apenas um golpe de sorte. Além disso, a maioria dos estudos dependeu de coleções muito pequenas de imagens, muitas vezes tiradas de apenas um pomar sob condições de iluminação perfeitas. Isso é como testar um carro apenas em uma pista lisa e vazia no verão e depois assumir que ele lidará tão bem quanto uma estrada de montanha com neve. Os pesquisadores descobriram que, quando o fruto está escondido atrás de folhas, ou quando o fruto verde se mistura com folhas verdes, os computadores enfrentam dificuldades significativas. Eles também notaram que pouquíssimos estudos testaram seus sistemas em robôs ou drones reais no campo; a maioria foi testada em computadores potentes em um laboratório, o que é um ambiente muito diferente de um pomar empoeirado e imprevisível.

A revisão também destacou que o campo se estabeleceu em um conjunto comum de ferramentas. A maioria dos pesquisadores está usando as mesmas poucas versões do software de detecção e está fazendo ajustes semelhantes para melhorá-los, como adicionar módulos especiais para ajudar o computador a focar em partes importantes de uma imagem ou tornar o software mais leve para que possa rodar em dispositivos menores. No entanto, apesar desses métodos compartilhados, não há um conjunto de dados padrão único que todos usem para comparar seus resultados. É como se cada chef do mundo estivesse tentando provar que faz a melhor sopa, mas nenhum dos dois chefs estiver usando os mesmos ingredientes ou a mesma receita, tornando impossível saber quem é realmente o melhor. Os pesquisadores descobriram que apenas uma fração minúscula de estudos utilizou câmeras avançadas que podem ver além da luz visível, como sensores que detectam calor ou cores específicas invisíveis ao olho humano, o que poderia ajudar a distinguir o fruto das folhas mais facilmente.

Em última análise, o estudo conclui que, embora a capacidade dos computadores de detectar citrinos tenha alcançado um alto nível de precisão em ambientes controlados, o campo ainda não está pronto para o uso amplo e confiável na agricultura real. A tecnologia em si não é o principal problema; a questão reside em como ela é validada. Os pesquisadores argumentam que o trabalho futuro deve focar em testar esses sistemas em condições diversas e difíceis e em hardware real usado no campo, em vez de apenas no laboratório. Eles defendem um padrão compartilhado para testes, para que diferentes sistemas possam ser comparados de forma justa, e por verificações estatísticas mais rigorosas para garantir que os resultados sejam repetíveis. Até que esses passos sejam tomados, a promessa de contagem de frutas totalmente automatizada e estimativa de safra permanecerá apenas fora de alcance, aguardando uma base de evidências mais sólida para sustentá-la.