Tecnologia de IA ajuda fazendas de mariscos a monitorar o fundo do mar

A aquicultura e a pesca comercial estão passando por uma transformação importante com o avanço da inteligência artificial e de sistemas de imagem subaquática. No norte da Ilha Sul da Nova Zelândia, empresas e pesquisadores vêm testando ferramentas capazes de analisar, em tempo real, o que acontece em fazendas marinhas, com foco especial na produção de mexilhões e na observação de peixes. A proposta é simples na teoria, mas complexa na prática: substituir parte da inspeção manual por dados contínuos, mais precisos e mais rápidos de interpretar.

O movimento ganha relevância em uma região que concentra parte importante das indústrias de aquicultura e pesca do país. Em vez de depender apenas da retirada de amostras da água e da abertura dos moluscos para verificação de qualidade, os produtores passam a contar com drones subaquáticos, câmeras, sensores e modelos de inteligência artificial para avaliar o estado das linhas de cultivo, a distribuição dos animais, o crescimento de bioincrustações e outros fatores que afetam a produtividade. O objetivo é ampliar a capacidade de decisão dos fazendeiros do mar e criar novas métricas operacionais para o setor.

Drone subaquático e análise em tempo real

Entre os desenvolvedores dessas soluções está a UWAI Robotics, uma empresa derivada de um grupo de pesquisa da Universidade de Canterbury. A companhia construiu um drone subaquático equipado com inteligência artificial e imagens avançadas para escanear linhas de mexilhões. O equipamento, apelidado de Crabby, é posicionado na fazenda marinha com apoio de sensores e GPS e transmite um fluxo de vídeo para um laptop na superfície. A partir dessas imagens, o sistema identifica milhares de mexilhões individualmente e processa os dados com IA quase instantaneamente.

Segundo Tim Rensen, um dos fundadores da UWAI Robotics, a meta é ajudar os produtores a entender a condição dos mexilhões sem precisar abrir os animais manualmente para inspeção. O sistema procura indicar não apenas a qualidade da carne, mas também a presença de bioincrustação, que é o crescimento de organismos sobre as linhas, e as condições gerais observadas nas estruturas de cultivo. O desenvolvimento da tecnologia levou oito anos até chegar a um estágio em que a análise já pode ser usada em campo.

O processamento não se limita a contar organismos. A plataforma trabalha para condensar um volume grande de imagens e medições em alguns indicadores principais, como quantidade, tamanho e variabilidade ao longo da linha. A tecnologia também pode mostrar se os mexilhões estão agrupados ou distribuídos de forma homogênea. Esses elementos são relevantes porque afetam a interpretação sobre saúde do cultivo, produtividade esperada e o momento ideal para semeadura e colheita.

Por que a qualidade do dado importa na aquicultura

Na prática, a coleta de informação em fazendas marinhas sempre foi um desafio. Em mar aberto, os produtores precisam operar em condições sujeitas ao clima, à visibilidade limitada e ao acesso variável. Maegan Blom, gerente de operações da Mills Bay Mussels, explicou que a checagem da qualidade normalmente exige retirar as linhas da água e abrir os mexilhões para examinar o interior. Esse processo é importante para definir o ponto de colheita e preservar o valor do produto, mas também é trabalhoso e depende de amostragens pontuais.

Um dos problemas centrais da produção aquícola é que as decisões precisam ser tomadas com base em informações que, muitas vezes, mudam rapidamente. Se o produtor comunica um determinado padrão de qualidade ao cliente e o produto entregue apresenta diferença ao chegar à fábrica, o impacto pode ser negativo. Por isso, ferramentas capazes de oferecer medições consistentes e frequentes tendem a ganhar espaço. No caso da Mills Bay Mussels, a empresa já utilizou o drone em uma fazenda no Kenepuru Sound e recebeu quase imediatamente um gráfico com o tamanho dos mexilhões, o que reforça a utilidade da precisão dos dados.

O ganho, nesse contexto, não está necessariamente na velocidade da operação, mas na confiabilidade da informação. Em um setor em que fatores naturais não podem ser controlados, a estratégia passa a ser otimizar aquilo que está ao alcance do produtor. É possível escolher quando semear as linhas, qual densidade usar, onde instalar a fazenda e em que época colher. Já elementos como oferta de alimento na água, mudanças climáticas e presença de predadores permanecem fora do controle direto do negócio.

Da observação manual à leitura de padrões

A incorporação de inteligência artificial muda a forma como esses dados são usados. Em vez de apenas registrar um momento isolado, a tecnologia permite acumular informação ao longo do tempo e identificar padrões, tendências e variações relevantes para a operação. Isso é particularmente útil para produtores que dependem de anos de experiência para desenvolver critérios de decisão. Com séries de dados mais consistentes, a interpretação deixa de ser puramente intuitiva e passa a ter apoio analítico.

Esse avanço ajuda a responder a perguntas práticas do dia a dia da produção, como o que está acontecendo na fazenda naquele momento, se há problemas de qualidade da água, se existe falta de alimento ou se ocorreu algum evento climático importante, como a entrada de água doce em excesso após chuvas intensas. Em um ambiente onde tempestades podem impedir o acesso às estruturas por dias, a visualização remota também reduz a incerteza operacional. Segundo a Seaweave, empresa de tecnologia marinha sediada em Nelson, esse tipo de sistema pode melhorar a sensação de controle dos produtores sobre o que está ocorrendo em suas áreas de cultivo.

A Seaweave desenvolveu câmeras, sensores e ferramentas de inteligência artificial voltadas à aquicultura e à pesca. A empresa começou trabalhando com criadores de mexilhões e depois expandiu sua atuação para outras áreas, incluindo a pesca de captura selvagem. Para Chris Rodley, diretor-executivo da companhia, a combinação entre imagem em tempo real e análise histórica representa uma mudança relevante no acesso aos dados. Ele descreve o conceito como uma forma de “conversar” com a fazenda, permitindo perguntas diretas sobre o estado atual do ambiente e dos animais cultivados.

Aplicações mais amplas para peixes e rastreabilidade

Além dos mexilhões, a tecnologia também vem sendo aplicada à identificação de peixes. A Seaweave firmou no ano passado um acordo com o Bioeconomy Science Institute para avançar no desenvolvimento de aplicações de imagem baseadas em IA para peixes em aquicultura. Rodley comparou essa abordagem a um sistema de reconhecimento facial, mas para espécies aquáticas. No momento, nove espécies de peixes já podem ser reconhecidas pelo sistema.

Esse tipo de identificação individual é importante por várias razões. Em programas de reprodução, por exemplo, é possível acompanhar características de cada animal com mais precisão. Em operações de cultivo e monitoramento subaquático, a identificação ajuda a avaliar a população e o desempenho dos peixes. Na prática, isso abre caminho para um controle mais refinado de lotes, ciclos produtivos e estratégias de manejo.

O uso desses dados também pode ser estendido à cadeia de fornecimento. Rodley destacou que identificar animais ao longo do processo, em diferentes pontos da cadeia, tem grande valor para a modelagem populacional e para a gestão dos recursos. Quando essas informações são ligadas ao consumidor final, elas contribuem para agregar valor ao produto, especialmente em mercados distantes. No caso da Nova Zelândia, a distância em relação aos principais mercados consumidores reforça a necessidade de destacar qualidade, origem e histórico do alimento.

Conceitos técnicos por trás das soluções

Alguns termos técnicos ajudam a entender o alcance dessas inovações. Bioincrustação é o acúmulo de organismos vivos, como algas e pequenos animais, sobre superfícies submersas. Em fazendas marinhas, esse fenômeno pode afetar estruturas, fluxo de água e desempenho do cultivo. Já a variabilidade na linha se refere às diferenças de tamanho, espaçamento e distribuição dos organismos em uma mesma estrutura de produção, algo importante para avaliar uniformidade e eficiência.

Outro conceito central é o de análise em tempo real, que significa processar os dados no momento em que eles são coletados ou muito pouco depois, reduzindo o intervalo entre observação e decisão. Esse modelo é especialmente útil em ambientes dinâmicos, como o mar, onde as condições podem mudar rapidamente. Também é relevante a ideia de modelagem populacional, que usa dados para estimar comportamentos de grupos de animais, auxiliando planejamento, manejo e previsões de produção.

No caso dos drones subaquáticos, sensores e GPS ajudam a posicionar o equipamento e organizar a coleta. As câmeras capturam imagens detalhadas, e os modelos de IA interpretam o material visual para extrair métricas. Em vez de depender só da observação humana, o sistema cria uma camada adicional de análise. Isso não elimina o trabalho do produtor, mas muda o tipo de decisão que ele pode tomar com base em evidências mais consistentes.

Impactos para o setor e próximos passos

Os impactos mais imediatos dessas ferramentas estão ligados à eficiência, qualidade e previsibilidade. Para empresas de aquicultura, isso significa potencial para reduzir erros de avaliação, planejar melhor a colheita e responder com mais rapidez a mudanças ambientais. Para os pesquisadores e desenvolvedores, o desafio é transformar um grande volume de imagens em indicadores confiáveis, úteis e escaláveis para diferentes tipos de produção.

Há também um componente estratégico mais amplo. A indústria aquícola da Nova Zelândia trabalha com a meta de quadruplicar a receita anual e alcançar 3 bilhões de dólares até 2035. Nesse cenário, tecnologias que ampliam a precisão da gestão e ajudam a sustentar a qualidade do produto podem se tornar parte importante da expansão do setor. Como o país depende fortemente da reputação internacional de seus alimentos, qualquer ferramenta que melhore rastreabilidade, monitoramento e comunicação de valor tem relevância competitiva.

A adoção de inteligência artificial no ambiente marinho ainda depende da adaptação das soluções a condições difíceis, como marés, clima, acesso restrito e variabilidade natural dos ecossistemas. Ainda assim, a direção é clara: o setor está deixando de olhar apenas para a produção final e passando a observar, com mais profundidade, o que acontece sob a superfície. Isso tende a tornar a aquicultura mais orientada por dados e menos dependente de inspeções pontuais.

No conjunto, as iniciativas da UWAI Robotics e da Seaweave mostram como inteligência artificial, visão computacional e sensores podem ser aplicados a um setor tradicional sem perder o vínculo com problemas concretos do dia a dia. Ao oferecer mais informação sobre a condição dos mexilhões, o comportamento dos peixes e as mudanças no ambiente, essas ferramentas ajudam a construir uma nova etapa para a produção marinha, na qual observar, medir e interpretar passam a ser partes integradas do processo produtivo.