BaleUAVision: Conjunto de Dados Capturado por VANTs de Fardos de Feno

Por que Contar Fardos de Feno do Céu Importa

Fardos de feno podem parecer simples rolos de capim seco, mas saber exatamente quantos há em um campo e onde estão localizados tem valor econômico real para os agricultores. Contagens precisas orientam quanto alimento está disponível para os animais, quantos caminhões são necessários e quanto tempo as equipes de colheita devem trabalhar. Este artigo apresenta o BaleUAVision, um novo conjunto de dados aberto construído a partir de imagens de drones que facilita a detecção e a contagem automática de fardos de feno a partir do ar, ajudando a mover a agricultura em direção a um gerenciamento mais inteligente e eficiente.

Fazendas Vistas de Cima

O BaleUAVision baseia-se em 2.599 fotografias coloridas nítidas feitas por drones sobrevoando 16 campos de feno no norte da Grécia. Os campos cobrem cerca de 94 hectares (232 acres) e se estendem por duas regiões com paisagens distintas: planícies amplas ao redor de Xanthi e terreno mais variado perto de Drama. Os voos foram realizados no verão de 2023, sob céus limpos e ventos suaves, a altitudes entre 50 e 100 metros e velocidades moderadas. O resultado é um retrato realista de campos pós-colheita, com fardos espalhados em padrões que refletem práticas agrícolas locais e o terreno, em vez de um arranjo de laboratório.

Transformando Imagens em Dados Úteis

Coletar imagens é apenas o primeiro passo. A equipe processou cuidadosamente todas as fotos, descartando as que apresentavam desfoque ou outros problemas, e então as costurou em mapas detalhados aéreos, chamados de ortomosaicos, para cada campo. Esses mosaicos foram usados para contar manualmente cada fardo como referência confiável. Ao mesmo tempo, cada fardo individual foi contornado à mão nas fotos originais como um traçado preciso, não apenas uma caixa aproximada. Esse trabalho minucioso criou dados de “verdade de solo” de alta qualidade em vários formatos de arquivo comuns, para que diversas ferramentas de inteligência artificial possam ser treinadas e testadas sem trabalho adicional de conversão.

Diversidade nos Voos, Força nos Modelos

A forma como um drone é pilotado — quão alto, quão rápido e quanto suas fotos se sobrepõem — molda o que ele captura. O BaleUAVision varia deliberadamente essas configurações de voo para que os sistemas de detecção treinados com ele não falhem quando as condições mudarem. Voos mais baixos capturam mais detalhes, porém menos área por quadro; voos mais altos veem mais terreno, mas fazem os fardos parecerem menores. Ao incluir imagens em diferentes altitudes e em condições de iluminação variadas em duas regiões, o conjunto de dados captura tanto a variedade geográfica quanto os tipos de mudanças de escala de câmera que operações do mundo real enfrentam. Testes mostram que essa diversidade ajuda modelos de inteligência artificial a reconhecer fardos mesmo quando fotografados em novos locais ou a partir de novas alturas.

Colocando o Conjunto de Dados à Prova

Para verificar se o BaleUAVision é realmente útil, os autores treinaram um sistema de detecção popular conhecido como YOLOv11 para localizar fardos de feno nas imagens. Em seguida, desafiaram o modelo de duas maneiras: pedindo que detectasse fardos em campos de uma região diferente da que havia visto durante o treinamento e alterando a altitude de voo entre treino e teste. Quando treinado no conjunto de dados, o sistema detectou quase todos os fardos em campos novos com pouquíssimos falsos positivos. Também lidou bem com altitudes maiores quando havia visto altitudes menores durante o treinamento. No entanto, um modelo treinado apenas em imagens de alta altitude teve dificuldades com vistas mais próximas até os pesquisadores adicionarem mesmo um pequeno número de exemplos em altitudes mais baixas, mostrando como dados extras modestos, porém bem escolhidos, podem aumentar muito a confiabilidade.

Além da IA Genérica, Rumo a Ferramentas Prontas para o Campo

A equipe também comparou seu modelo especializado, treinado em fardos, com grandes sistemas de visão de propósito geral projetados para “segmentar qualquer coisa” em uma imagem. Embora esses modelos de base sejam poderosos em muitos cenários, eles tiveram desempenho visivelmente inferior em fardos pequenos e muito próximos sobre fundos de campo ocupados. O modelo sob medida treinado no BaleUAVision foi não apenas mais preciso, mas também mais prático para rodar em drones reais e computadores de fazenda. Isso destaca como dados cuidadosamente elaborados e específicos de campo podem transformar avanços amplos em inteligência artificial em ferramentas que funcionam de fato na escala agrícola.

De Contagens Melhores a Agricultura Mais Inteligente

Em termos simples, o BaleUAVision fornece a pesquisadores e empresas um conjunto rico e disponível gratuitamente de imagens de drone e contornos de fardos para construir e testar robôs e softwares de contagem de fardos. Com ele, podem criar ferramentas que informem rápida e confiavelmente aos agricultores quantos fardos existem, onde estão e qual a melhor forma de coletá-los — economizando combustível, tempo e mão de obra. Os mesmos dados também podem apoiar estudos sobre condições de campo, planejamento logístico e até robôs agrícolas futuros. Ao abrir esse conjunto de dados ao público, os autores lançam uma base para transformar fardos de feno simples em um caminho para uma agricultura mais precisa e orientada por dados.

Citação: Karatzinis, G.D., Gkelios, S. & Kapoutsis, A.C. BaleUAVision: Hay Bales UAV Captured Dataset. Sci Data 13, 313 (2026). https://doi.org/10.1038/s41597-026-06622-8

Palavras-chave: agricultura de precisão, imagens de drone, detecção de fardos de feno, visão computacional, conjunto de dados de sensoriamento remoto