Aprendizado de máquina prevê risco de doença nas colheitas

As doenças em plantações podem gerar surtos destrutivos que têm o potencial de ameaçar a segurança alimentar global, por isso é fundamental ter dados confiáveis prontamente disponíveis a partir de programas de vigilância de doenças e investigações de surtos. Em muitos casos, entretanto, apenas as informações sobre surtos são coletadas e os dados das lavouras saudáveis ao redor são omitidos.  

O FindOUT, um novo aplicativo desenvolvido pelo Dr. Peter Skelsey, bioinformacêutico do Instituto James Hutton, emprega - pela primeira vez - 'algoritmos de detecção de anomalias' de aprendizado de máquina para prever o risco de doenças nas plantações, aumentando muito a precisão das previsões. O aplicativo de desktop permite que os usuários finais treinem e testem sua própria ferramenta de previsão de doenças de safras de detecção de anomalias usando seus próprios dados. 

Em um novo estudo publicado na revista Phytopathology, editado pela American Phytopathological Society, o Dr. Skelsey descreve uma nova abordagem para a previsão de doenças com base em dados compostos apenas de surtos. Isso foi feito em duas etapas. Na fase de treinamento, os algoritmos foram usados para aprender o envelope das condições climáticas mais associadas a surtos históricos de doenças em culturas, enquanto uma segunda fase viu os algoritmos sendo usados para processar eventos de surtos históricos. 

O Dr. Skelsey usou um estudo de caso de dados de pesquisa da requeima da batata em toda a Grã-Bretanha como prova de conceito; os resultados mostraram que o modelo de mistura gaussiana teve a maior precisão de previsão com 97,0%, seguido por uma classe k-médias com 96,9%.