.svg){kind=small}
A nova classe de modelos de classificação de culturas da Agromai.
Em talhões nunca vistos no treinamento
A geração anterior tinha um problema estrutural.
Dois modelos operavam em sequência: primeiro um filtro separava pasto de lavoura, depois um classificador de séries temporais em malha hexagonal lia a safra em etapas. Um erro no filtro contaminava todo o resto da cadeia.
Dois modelos em sequência
Filtro de pasto/lavoura seguido de um classificador de séries temporais em malha hexagonal, lendo a safra etapa por etapa. Cada elo dependia do elo anterior.
Erro em cascata
Um engano no filtro inicial se propagava silenciosamente pelo classificador, sem nenhuma chance de correção ao longo do processo.
Um único modelo que enxerga o filme inteiro.
Correlação de dezenas de sinais espectrais, do plantio à colheita
Um único modelo de deep learning integra, em uma só passagem, todos os sinais espectrais disponíveis ao longo de toda a temporada agrícola.
Onde a geração anterior via fotografias em sequência, o Anduril 1 vê o filme inteiro
Em vez de processar imagens isoladas em etapas, o modelo raciocina sobre a trajetória temporal completa de cada talhão, capturando padrões fenológicos que antes se perdiam entre os passos.
Treinado em 90 mil talhões e 3 milhões de observações de satélite
A base de treinamento cobre diversidade de solos, climas e práticas agrícolas em escala nacional, conferindo ao modelo robustez fora de distribuição.
Acurácia por classe de cultura
Métricas medidas em talhões nunca vistos no treinamento, na mesma representação usada em produção.
O que o Anduril 1 classifica.
Grãos da safra de verão e pastagem
Cobertura das principais culturas de verão do Brasil, com acurácia acima de 90% em todas as classes.
Demais cultivos
Classificadas como OUTROS, uma saída explícita emitida pelo modelo quando o talhão não pertence a nenhuma das classes suportadas.
“Preferimos um modelo que diz ‘não é nenhuma das minhas classes’ a um que força uma categoria errada.”