Internet das coisas (IoT), inteligência artificial e aprendizado de máquina para monitoramento de Diaphorina citri em cultivo de citros

Doutorado em Biotecnologia Aplicada à Agricultura
Autor: Eduardo Goiano da Silva
Orientador: Maiara Kawana Aparecida Rezende
Defendido em: 11/08/2026

Resumo

A citricultura possui significativa importância econômica e enfrenta desafios fitossanitários relacionados ao Huanglongbing (HLB), ou greening dos citros, doença associada à bactéria Candidatus Liberibacter asiaticus (CLas), cujo principal vetor é o psilídeo-asiático-dos-citros, Diaphorina citri (Hemiptera: Liviidae). O monitoramento desse inseto é fundamental para o manejo integrado de pragas e a redução dos riscos de disseminação da doença. Nesse contexto, a Internet das Coisas (IoT), a inteligência artificial e a visão computacional apresentam potencial para aprimorar a detecção e o monitoramento de populações de insetos-praga. Este estudo foi desenvolvido em três etapas complementares: no cap. 1 foram abordados os aspectos relacionados à importância fitossanitária de D. citri, aos impactos do HLB e às estratégias convencionais de monitoramento e controle, com ênfase nas possibilidades de integração entre sensores, dispositivos conectados, visão computacional e algoritmos de inteligência artificial para aprimorar a detecção de pragas, no cap.2, foram aplicados questionários a produtores de 20 propriedades rurais localizadas nos municípios de Altônia, Cruzeiro do Oeste, Paranavaí, São Jorge do Patrocínio e Umuarama. Os resultados demonstraram predominância do monitoramento visual (65%), seguido pelo uso de armadilhas adesivas amarelas (20%), além da adoção generalizada de inseticidas químicos e da limitada utilização de tecnologias digitais no manejo agrícola. Os relatos dos produtores indicaram a ocorrência de erradicação de plantas atribuída ao HLB em 95% das propriedades, sem confirmação laboratorial no âmbito desta pesquisa. No cap. 3, desenvolveu-se uma armadilha inteligente composta por estrutura metálica, alimentação híbrida com energia solar e bateria recarregável, microcontrolador ESP32-CAM e sistema de visão computacional baseado em rede neural convolucional, desenvolvido na plataforma Edge Impulse. A comunicação sem fio, utilizando o protocolo MQTT, possibilitou a transmissão e o armazenamento remoto dos dados, enquanto o processamento embarcado permitiu o reconhecimento automatizado dos insetos. A validação em campo, realizada em pomar cítrico no noroeste do Paraná, demonstrou disponibilidade operacional de 90%, funcionamento integrado de aquisição e processamento de imagens e transmissão de dados. Os resultados evidenciam a relevância de soluções tecnológicas para aprimorar o monitoramento de D. citri e indicam a viabilidade técnica do protótipo nas condições avaliadas. Conclui-se que a integração entre o diagnóstico das práticas regionais de manejo e o desenvolvimento de uma armadilha inteligente constitui uma abordagem promissora para apoiar o monitoramento fitossanitário e o manejo integrado de pragas na citricultura.

Palavras-chave

Tecnologia de sensores. Armadilhas inteligentes. Internet das Coisas. Inovação tecnológica. Visão computacional. Citricultura.

---

Title

Internet das Coisas (IoT), inteligência artificial e aprendizado de máquina para monitoramento de Diaphorina citri em cultivo de citros

Abstract

Citrus production is of significant economic importance and faces phytosanitary challenges related to Huanglongbing (HLB), also known as citrus greening, a disease associated with the bacterium Candidatus Liberibacter asiaticus (CLas), whose primary vector is the Asian citrus psyllid, Diaphorina citri (Hemiptera: Liviidae). Monitoring this insect is essential for integrated pest management and reducing the risk of disease spread. In this context, the Internet of Things (IoT), artificial intelligence, and computer vision have the potential to improve the detection and monitoring of pest insect populations. This study was conducted in three complementary stages. In Chapter 1, the phytosanitary importance of D. citri, the impacts of HLB, and conventional monitoring and control strategies were addressed, emphasizing the potential integration of sensors, connected devices, computer vision, and artificial intelligence algorithms to improve pest detection. In Chapter 2, questionnaires were administered to citrus growers from 20 rural properties located in the municipalities of Altônia, Cruzeiro do Oeste, Paranavaí, São Jorge do Patrocínio, and Umuarama, in the state of Paraná, Brazil. The results showed that visual monitoring was predominant (65%), followed by the use of yellow sticky traps (20%), as well as widespread adoption of chemical insecticides and limited use of digital technologies in agricultural management. Growers reported that plant eradication attributed to HLB had occurred on 95% of the properties, although the disease was not laboratory-confirmed in this study. In Chapter 3, an intelligent trap was developed, comprising a metal structure, a hybrid power supply using solar energy and a rechargeable battery, an ESP32-CAM microcontroller, and a computer vision system based on a convolutional neural network developed using the Edge Impulse platform. Wireless communication using the MQTT protocol enabled remote data transmission and storage, while embedded processing allowed automated insect recognition. Field validation, conducted in a citrus orchard in northwestern Paraná, demonstrated an operational availability of 90%, with integrated image acquisition and processing and data transmission. The results highlight the importance of technological solutions for improving D. citri monitoring and indicate the technical feasibility of the prototype under the evaluated conditions. It is concluded that integrating the assessment of regional management practices with the development of an intelligent trap represents a promising approach to supporting phytosanitary monitoring and integrated pest management in citrus production.

Keywords

Sensor technology. Smart traps. Internet of Things. Technological innovation. Computer vision. Citrus farming.