O artigo do professor do curso de Agronomia da Uniarp, Dr. Leandro Hahn, intitulado “Garlic (Allium sativum) feature-specific nutrient dosage based on using machine learning models” foi publicado no mês de maio em uma das revistas de maior prestígio do meio científico, a Plos One.

A revista americana foi uma das pioneiras em adotar o modelo open acess, ou seja, os artigos não precisam ser pagos para serem acessados. O artigo pode ser acessado neste link.

O Fundo de Apoio à Pesquisa (Fap), editais 001/2015 e 001/2016, contribuíram com a realização da etapa de campo da pesquisa. Por meio destes editais, a Uniarp proporcionou que o estudante de Agronomia Marcos Matos Ender, hoje graduado e co-autor da publicação, pudesse desenvolver a pesquisa na Epagri, Estação Experimental de Caçador, onde o professor Leandro é pesquisador.

Os experimentos com o alho foram conduzidos nos anos de 2015 e 2016 em cerca de 20 produtores de alho de Fraiburgo, Frei Rogério e Curitibanos e tinham como objetivo estabelecer uma nova recomendação de adubação para o alho livre de vírus. Os resultados da pesquisa foram incorporados na recomendação de calagem e adubação oficial de Santa Catarina e Rio Grande do Sul, sendo amplamente utilizados por técnicos e produtores de alho.

A professora do curso de Agronomia Ângela Paviani, co-autora e atualmente Presidente do Crea-SC, contribuiu muito com os estudos, sendo inclusive os resultados utilizados em sua dissertação de mestrado na UFPR.

Um artigo a partir destes experimentos já foi publicado na Revista Brasileira de Ciência do Solo, intitulado “Nitrogen doses and nutritional diagnosis of virus-free garlic”. Dois artigos foram submetidos à Scientia Horticulturae e mais dois artigos estão em elaboração. Mais de 10 resumos já foram publicados em eventos científicos.

O grande aspecto inovador do trabalho foi utilizar técnicas de machine learning (aprendizagem de máquina) para estimar a adubação do alho.

Os dados de análise mineral em folhas, análise da fertilidade do solo, cultivares de alho, variáveis climáticas e produção comercial de alho foram usados para treinar um modelo matemático, o qual estimou com 88% de precisão a produtividade em safras nos anos seguintes.

O professor Leandro ressalta que o uso de banco de dados robustos, como o conseguido na pesquisa, associado com técnicas de machine learning, pode ser utilizado para customizar recomendações regionais de adubação para o alho, aumentando a produção, a rentabilidade do produtor e a eficiência da aplicação de fertilizantes.

O artigo foi elaborado com contribuições fundamentais do professor Léon-Étiene Parent da Laval University, Canadá, e do professor Gustavo Brunetto e seus orientados da Universidade Federal de Santa Maria-RS.