Uma tecnologia de inteligência artificial e visão computacional desenvolvida na Nova Zelândia consegue "enxergar através" da folhagem e contar frutos individuais na planta com erro de apenas 2% a 3%, contra até 23% da amostragem manual usada hoje pelos produtores. O sistema, criado pelo grupo UC Vision na University of Canterbury e em transição para a empresa HoloCrop, contou mais de 60.000 bagas de uva em quatro plantas sem colher nenhuma. A notícia soa distante da realidade brasileira, mas não é: o Brasil, responsável por 76% do comércio mundial de suco de laranja e dono do maior polo de uva de mesa do país no Vale do São Francisco, já pesquisa exatamente esse problema há mais de uma década, através do projeto eContaFruto da Embrapa em parceria com o Fundecitrus.
Este artigo conecta os dois lados dessa história, que a imprensa brasileira e a internacional cobriram separadamente. Vamos detalhar como a IA da HoloCrop funciona, por que a contagem manual erra tanto, o que a Embrapa já construiu no Brasil, e o que tudo isso significa em números concretos para a laranja paulista e para a uva do Sertão pernambucano e baiano.
| O que compara | Amostragem manual | IA com reconstrução 3D |
|---|---|---|
| Erro típico | até 23% (pomares diversos) | 2% a 3% (HoloCrop, uva e cereja) |
| Escala | 2.560 árvores/ano (Fundecitrus) | 20 fazendas comerciais no teste |
| Custo aproximado | R$ 6,4 milhões/ano (PES laranja) | hardware de alto investimento, pré-comercial |
Como a IA da HoloCrop enxerga através das folhas
Contagem e estimativa de safra por visão computacional é o uso de câmeras, reconstrução tridimensional e redes neurais de detecção de objetos para identificar, contar e medir frutos diretamente na planta, inclusive os que estão parcial ou totalmente ocultos pela folhagem, substituindo ou complementando a amostragem manual destrutiva. A definição é da própria Embrapa, no capítulo "Visão computacional aplicada na agricultura" do livro Agricultura Digital (2020).
O princípio da solução neozelandesa foi resumido pelo professor de ciência da computação Richard Green, que lidera o grupo UC Vision.
"Você não pode automatizar o que não pode ver." Richard Green, University of Canterbury, citado pela University of Canterbury (28/07/2026)
Por isso o sistema não se contenta em fotografar a planta de um ângulo só. Um rover autônomo, guiado por GPS e sensores LiDAR, percorre as ruas do vinhedo ou do pomar carregando várias câmeras apontadas em direções diferentes, descritas pelos pesquisadores como dispostas "como bicos de spray", cobrindo o máximo possível do dossel, que pode chegar a 3,5 metros de altura. As milhares de imagens capturadas são costuradas em um único modelo tridimensional da planta. Sobre esse modelo, algoritmos de reconhecimento de imagem separam três coisas que uma câmera comum confunde: fruto, folha e ramo. Cada fruto individual é então contado e medido uma única vez, mesmo quando aparece em vários quadros ou está escondido atrás de uma folha.
O resultado prático vai além da contagem. O sistema gera histogramas de classes de tamanho e o que a equipe chama de "virtual packouts", ou seja, uma previsão de quantas caixas de cada calibre a fazenda vai colher, semanas antes da colheita real.
Nos testes descritos pelo Farmers Weekly (05/06/2026), o sistema contou e mediu mais de 60.000 bagas de uva individuais em quatro plantas, sem colher nenhuma, com erro de 2% a 3% frente ao número correto. Para cereja, a acurácia chega a pelo menos 95% poucas semanas antes da colheita, e para maçã a expectativa é ainda maior. Os dados foram coletados em 20 fazendas comerciais, justamente para garantir robustez em condições reais, não em laboratório.
O projeto não nasceu do nada. Ele se apoia em cerca de 15 anos de pesquisa em visão computacional, IA e robótica agrícola na University of Canterbury, com mais de US$ 32 milhões em investimento governamental. A equipe reúne o pesquisador Richie Ellingham (mecatrônica, responsável pelo hardware do rover), Oliver Batchelor (algoritmos de IA) e o engenheiro Matt Mattar (software comercial). A migração para a spin-off HoloCrop responde a uma demanda concreta relatada pelos próprios pesquisadores: quase toda fazenda com que trabalham pergunta quando poderá começar a usar as ferramentas de amostragem.
Por que a amostragem manual erra tanto
Antes de olhar o Brasil, vale entender por que a contagem tradicional é tão imprecisa. Não se trata de descuido do trabalhador. O erro é estrutural, e a folhagem é o problema central.
A literatura internacional de viticultura de precisão documenta de forma consistente que o erro do método manual aumenta com a densidade do dossel. Um estudo apresentado por Poblete-Echeverría e colegas (2022) mediu o erro de contagem (RMSE) em três condições: sem folhas nenhuma (desfolha total), com desfolha parcial e com o dossel intacto. O erro subiu de 1,35 cacho na condição sem folhas para 1,41 com desfolha parcial e 1,71 sem desfolha nenhuma. Em paralelo, a correlação entre os cachos visíveis e os cachos que realmente existem na planta caiu de R² = 0,86 (sem oclusão) para R² = 0,81 (alta oclusão). Traduzindo: quanto mais folha cobre o fruto, mais o contador humano subestima a produção, mesmo sendo cuidadoso.
Some a isso a subjetividade. Segundo relatos da própria equipe da HoloCrop reproduzidos pelo Farmers Weekly, dois contadores humanos experientes podem chegar a estimativas com até 25% de diferença entre si para o mesmo talhão. Cada pessoa "calibra o olho" de um jeito, e a estimativa vira uma média de palpites.
É por isso que a proposta de "enxergar através da folhagem" não é apenas uma automação de tarefa braçal. Ela ataca diretamente a maior fonte de erro do processo. Um cacho de uva escondido atrás de duas camadas de folha simplesmente não entra na conta do amostrador manual, mas entra no modelo 3D. A tabela abaixo organiza os métodos, do mais impreciso ao mais preciso, com os erros que a literatura reporta.
| Método | Como funciona | Erro típico | Fonte |
|---|---|---|---|
| Amostragem manual por derriça | Colhe-se todos os frutos de uma amostra e extrapola-se | até 23%; mais de 30% em vinhedos densos | UC (2026); revisão Springer (2024) |
| Estimativa visual "a olho" | Especialista estima o volume observando a planta | até 25% de diferença entre contadores | Farmers Weekly (2026) |
| Visão computacional 2D | Rede neural conta frutos visíveis em foto única | 8% a 14% (uva); mais de 90% de acerto (laranja) | MDPI Agronomy (2022); Embrapa (2020) |
| Reconstrução 3D + rastreamento | Múltiplas imagens viram modelo 3D, fruto contado uma vez | 2% a 3% (HoloCrop) | UC / HoloCrop (2026) |
O Brasil já pesquisa isso: o projeto eContaFruto da Embrapa
Aqui está o ângulo que nenhuma cobertura em português conectou: o Brasil pesquisa exatamente o mesmo problema desde pelo menos 2009. O projeto formal se chama eContaFruto, sigla de "Estimativa da quantidade de frutos em pés de laranja por meio de inteligência computacional", conduzido pela Embrapa Agricultura Digital em parceria com o Fundecitrus.
Segundo o Portal Embrapa, o projeto rodou de março de 2019 a novembro de 2022, validando o método ao longo de três safras (2019, 2020 e 2021), com financiamento direto da Embrapa de R$ 209.778,40. A liderança foi da pesquisadora Sônia Ternes, com participação de Kleber Xavier Sampaio de Souza, João Camargo Neto, Leonardo Queirós e Eduardo Girardi (Embrapa Mandioca e Fruticultura, especialista em citros). Assim como o rover neozelandês, o eContaFruto usa processamento digital de imagens e aprendizado de máquina para reconhecer laranjas maduras e verdes, separando-as de folhas, galhos e caules, e considerando a iluminação variável, a densidade de plantio e as características do dossel do cultivo brasileiro.
O que a maioria das reportagens não mostra é que essa pesquisa está ancorada em publicações científicas revisadas por pares, não apenas em releases de assessoria. Uma busca cruzada na base Crossref pelos nomes dos autores revela a cadeia completa de estudos que fundamenta o projeto.
| Estudo | Ano | DOI | O que demonstra |
|---|---|---|---|
| Camargo Neto & Miranda | 2009 | 10.17660/actahortic.2009.824.3 | Contagem de árvores e estimativa de dossel por algoritmo genético |
| Maldonado Jr. & Barbosa | 2016 | 10.1016/j.compag.2016.07.023 | Estudo-âncora: contagem automática de laranjas verdes por imagem digital |
| de Souza et al. (SBIAGRO) | 2023 | 10.5753/sbiagro.2023.26567 | Compara modelos de regressão para converter contagem em safra |
| Santos et al. | 2024 | 10.1016/j.compag.2024.109199 | Detecção e rastreamento 3D de laranjas em pomar comercial + regressão neural |
O estudo mais recente, de Santos e colegas (2024), publicado na revista Computers and Electronics in Agriculture, é o mais próximo do que a HoloCrop faz: detecção e rastreamento tridimensional de laranjas em pomares comerciais de laranja-doce, com relocalização 3D dos frutos e uma rede neural que faz a regressão da safra. O trabalho foi financiado pela FAPESP (processos 2017/19282-7 e 2022/09319-9) e pela Embrapa, e figura entre os 10% mais citados de sua área. Um detalhe reforça a solidez da rede de pesquisa: o professor José Carlos Barbosa, da FCAV/Unesp de Jaboticabal, coautor do estudo-âncora de 2016, é o mesmo especialista que coordena tecnicamente a estimativa oficial de safra do Fundecitrus.
Há ainda o equivalente brasileiro do rover. A Embrapa desenvolveu o robô SEEMEAR, um veículo terrestre autônomo apresentado na Feira Nacional de Máquinas e Tecnologias para a Agricultura Familiar, em Campinas. Ele percorre as fileiras do pomar com câmeras, sensores e GPS de alta precisão, conta os frutos e gera estimativa automática de safra. Segundo o pesquisador responsável, Thiago Santos, um artigo científico com os primeiros resultados de previsão automática de safra em pomar de maçã já foi submetido, conforme noticiou a Agrofy News (2026).
Vale lembrar que o coração dessa tecnologia é uma rede densa de sensores e captura de dados no campo, o mesmo princípio que sustenta a automação de hidroponia e horticultura.
Como funciona hoje a estimativa oficial de safra da laranja
Para entender o valor da IA, é preciso conhecer o que ela promete substituir. Hoje, a Pesquisa de Estimativa de Safra (PES) do Fundecitrus é a fonte oficial mais citada do setor citrícola brasileiro, e ela funciona no braço.
Todo ano, entre meados de março e o fim de abril, equipes vão a campo e derriçam, ou seja, colhem manualmente, todos os frutos de uma amostra de 2.560 árvores distribuídas por 422 municípios de São Paulo e do Triângulo e Sudoeste Mineiro. Cada fruto dessa amostra é contado, e o resultado é extrapolado estatisticamente para todo o parque citrícola, em metodologia desenvolvida com o professor José Carlos Barbosa, da FCAV/Unesp. O custo desse inventário anual gira em torno de R$ 6,4 milhões, segundo dados de orçamento reportados pela Campo & Negócios.
O método é rigoroso e respeitado, mas caro, lento e limitado pela escala. Contar 2.560 árvores à mão em um universo de 182,7 milhões de árvores produtivas, segundo o Inventário e Estimativa do Cinturão Citrícola do Fundecitrus para 2025/26, significa trabalhar com uma amostra pequena diante da variabilidade real do campo. Além disso, a estimativa por derriça é destrutiva na amostra e depende de mobilizar dezenas de trabalhadores em uma janela curta de calendário. Uma tecnologia que percorra as fileiras contando cada árvore, sem colher nada e sem depender de mão de obra sazonal escassa, muda a economia dessa operação. Não à toa a própria pesquisa aponta que, se validado para citros no Brasil, o eContaFruto poderia reduzir esses milhões gastos todo ano em inventário manual.
O que isso significa para a laranja paulista
A laranja é o caso brasileiro onde essa tecnologia tem o maior potencial imediato, por três razões: escala, valor e uma crise sanitária que torna cada caixa mais preciosa.
Comecemos pela escala. O Brasil responde por 76% do comércio mundial de suco de laranja, e o cinturão citrícola de São Paulo e do Triângulo e Sudoeste Mineiro é o coração dessa produção. São Paulo sozinho concentra 62,6% da área nacional de laranja, segundo o IBGE (Produção Agrícola Municipal 2024). Em valor, o grupo das frutas gerou R$ 91,5 bilhões no Brasil em 2024, alta de 21% sobre 2023, respondendo por 11,6% de todo o valor da produção agrícola nacional, sendo que laranja, banana e uva somadas concentram 57,8% desse total, conforme a PAM 2024 do IBGE.
Agora o cenário de crise, que muda tudo. A safra 2025/26, estimada inicialmente em 314,60 milhões de caixas de 40,8 kg, fechou em 292,94 milhões de caixas, segundo o Fundecitrus (abril/2026). Pior: a estimativa para a safra 2026/27, divulgada em maio de 2026, aponta 255,2 milhões de caixas, uma queda de 12,9% em relação ao ciclo anterior, puxada por menor número de frutos por árvore e maior queda prematura. O vilão tem nome: o greening, ou HLB, doença sem cura que já atingia 47,63% das laranjeiras do parque citrícola paulista e mineiro no levantamento de 2025, também do Fundecitrus.
O que o greening tem a ver com contagem por IA? Tudo. Quando quase metade das árvores está doente e produzindo de forma irregular, a estimativa por amostra de 2.560 árvores fica ainda mais frágil, porque a variabilidade entre plantas dispara. Uma tecnologia capaz de estimar a produção árvore por árvore, e não por amostra, ganha valor estratégico exatamente num momento de safra apertada e caixas escassas, em que errar a previsão para mais ou para menos custa caro na negociação com a indústria de suco. A precisão granular deixa de ser luxo e vira ferramenta de sobrevivência do negócio.
O que isso significa para a uva do Vale do São Francisco
Se a laranja é o caso mais óbvio, a uva do Vale do São Francisco é a oportunidade mais inexplorada, e nenhuma cobertura conectou a tecnologia a ela.
Os números do Nordeste impressionam. Segundo o IBGE (Levantamento Sistemático da Produção Agrícola, julho de 2025), a produção nacional de uva foi estimada em 2,1 milhões de toneladas para 2025, alta de 19,1% sobre 2024, com o Rio Grande do Sul respondendo por 45,6% e Pernambuco por 36,0%. Na produção fechada de 2024, de 1.820.104 toneladas, a região Nordeste, concentrada no Vale do Submédio São Francisco, respondeu por 868.767 toneladas, praticamente o triplo das 318.079 toneladas de 2015. Petrolina, em Pernambuco, saltou de 162.448 toneladas (2015) para mais de 600 mil toneladas (2024), consolidando-se como o maior polo de uva de mesa do país, com valor de produção de R$ 4 bilhões, de acordo com a PAM 2024 do IBGE.
E essa uva vai para o mundo. As exportações brasileiras somaram 73 mil toneladas em 2024, ante 45 mil em 2017, das quais mais de 98% saíram do Vale do São Francisco, gerando US$ 151,5 milhões, segundo dados do MDIC/MAPA/AGROSTAT. O Submédio Vale cultiva cerca de 12.500 hectares de videiras, com produtividade modal de 25 toneladas por hectare ao ano em vinhedo estável, conforme a Embrapa Semiárido.
Aqui é preciso ser honesto sobre o que existe e o que não existe. Não foi localizado nenhum projeto público em andamento especificamente para contar cachos de uva por IA no Vale do São Francisco. A Embrapa Semiárido, em Petrolina, é referência em viticultura tropical, mas sua pesquisa de ponta está mais em manejo, irrigação e melhoramento genético do que em visão computacional para contagem. Porém, a base técnica já existe no país: o mesmo capítulo da Embrapa que descreve o trabalho em laranja registra acurácia de detecção de 96% para uva em um benchmark que testou 14 culturas, e a literatura internacional documenta extensivamente a aplicação da tecnologia em vinhedos, como mostra a revisão publicada na MDPI Agronomy (2022). Para uma cultura que exporta em janela apertada e precisa acertar embalagem e logística com antecedência, uma estimativa 3D confiável seria um salto competitivo. A oportunidade está sobre a mesa; falta quem a construa.
Os limites da tecnologia hoje
Nenhuma cobertura séria deve tratar essa tecnologia como pronta para uso, e é justamente aí que a maioria das matérias falha. Vale registrar os limites com clareza.
Primeiro, o estágio. Tanto a HoloCrop quanto o eContaFruto e o robô SEEMEAR estão em fase pré-comercial. A empresa neozelandesa é uma spin-off buscando comercialização, descrita pelos próprios pesquisadores como algo que precisa "tornar-se altamente confiável antes da comercialização". No Brasil, o eContaFruto é um projeto de pesquisa concluído em 2022, com publicações até 2024, mas sem produto comercial lançado. Não há data de disponibilização anunciada em nenhum dos dois casos.
Segundo, a validação. Vale um alerta metodológico: não foi localizado um artigo científico revisado por pares, com DOI, que confirme os números específicos de 2% a 3% de erro e 95% de acurácia em cereja da HoloCrop. Essas cifras vêm do release institucional da University of Canterbury e da cobertura do Farmers Weekly, que se confirmam mutuamente, mas ainda não passaram pelo crivo formal da revisão por pares. É um dado promissor, não uma verdade consolidada.
Terceiro, o clima tropical. A tecnologia neozelandesa foi validada em vinhedos e pomares de clima temperado. O dossel de uma parreira tropical no Sertão pernambucano, sob calor intenso, alta radiação e manejo de duas safras por ano, é mais denso e diferente. A oclusão foliar, que já é o problema central, tende a ser ainda maior. Nenhuma validação pública em condições tropicais foi encontrada.
Quarto, custo e regulação. Um rover com GPS, LiDAR e múltiplas câmeras é um investimento pesado. E, embora o algoritmo de IA em si não seja regulado, o equipamento físico é. Drones agrícolas seguem o RBAC-E nº 94 da ANAC, em vias de substituição pelo novo RBAC nº 100, previsto para 2026. Já os rovers terrestres autônomos, como o SEEMEAR, não se enquadram na regulação da ANAC por não serem aeronaves, e não há norma terrestre específica para veículos autônomos agrícolas no Brasil, uma lacuna regulatória que precisará ser resolvida antes da adoção em massa. Esse padrão de tecnologia madura no laboratório, mas ainda cara e sem escala comercial, é o mesmo que se observa em outras fronteiras do agro de precisão.
Para onde caminha a contagem de frutos por IA
Apesar dos limites, a direção do mercado é clara, e os números dão a medida do movimento.
O mercado amplo de agricultura de precisão foi avaliado entre US$ 12 bilhões e US$ 17 bilhões em 2025, crescendo a uma taxa anual de 10% a 13%, conforme consultorias como BCC Research e Mordor Intelligence. Mas o subsegmento específico de inteligência artificial na agricultura, que inclui a visão computacional para contagem de frutos, conta uma história mais interessante. Ele é bem menor em valor absoluto, algo entre US$ 2,4 bilhões e US$ 2,8 bilhões em 2025 no consenso de quatro consultorias, mas cresce quase o dobro de rápido, com taxas anuais projetadas de 21% a 25% até 2030 e 2031. Segundo a BCC Research, o segmento deve saltar de US$ 2,8 bilhões (2025) para US$ 8,5 bilhões em 2030. Um subsegmento pequeno crescendo o dobro do mercado que o contém é a assinatura clássica de uma tecnologia em fase de adoção inicial acelerada, exatamente o estágio "pré-comercial" em que estão a HoloCrop e o eContaFruto.
Três tendências concretas se desenham. A primeira é a comercialização dos rovers autônomos de contagem, prevista pelos próprios pesquisadores para a janela de 2026 a 2028. A segunda é a colheita seletiva por tamanho e maturação: o mesmo modelo 3D que conta frutos permite identificar e colher apenas os que estão no ponto ideal, o que faz diferença econômica direta, já que cerejas maiores podem valer o dobro. Essa etapa depende de braços robóticos de colheita, tecnologia ainda mais imatura. A terceira, no Brasil, é a extensão do conhecimento acumulado em laranja para a uva, um caminho que a base técnica da Embrapa já viabiliza, mesmo que ninguém tenha ainda anunciado o projeto.
Para o produtor brasileiro, o recado é duplo. De um lado, a tecnologia que a manchete apresentou como novidade neozelandesa já tem uma década de pesquisa nacional por trás, com publicações sólidas e um robô rodando em feiras. De outro, transformar essa pesquisa em produto de campo, validado no calor do Sertão e no adensamento dos pomares afetados por greening, ainda depende de investimento, validação tropical e regulação. Quem entende agora de estimativa de safra por visão computacional estará à frente quando essa ponte for construída, e a conta de retorno sobre o investimento em tecnologia agrícola é um exercício que todo produtor precisará dominar.
Perguntas frequentes
Como a inteligência artificial consegue contar frutos escondidos atrás das folhas?
O sistema desenvolvido pela HoloCrop e pela University of Canterbury usa múltiplas câmeras montadas em um rover autônomo para fotografar a planta de vários ângulos e reconstruir um modelo tridimensional completo, inclusive das partes cobertas por folhagem. Redes neurais identificam cada fruto individual nesse modelo, evitando contar duas vezes o mesmo fruto visto em ângulos diferentes.
Qual a margem de erro dessa tecnologia comparada à contagem manual?
Nos testes da HoloCrop, o erro ficou entre 2% e 3%, contra até 23% do método manual tradicional de amostragem. A literatura acadêmica de visão computacional para uva reporta erros médios de 8% a 14% para métodos de imagem 2D, contra 20% a 31% para amostragem manual, dependendo do estudo e da densidade do dossel.
O Brasil já pesquisa esse tipo de tecnologia?
Sim. A Embrapa, em parceria com o Fundecitrus, desenvolveu o projeto eContaFruto entre 2019 e 2022 para contar laranjas por visão computacional, com resultados publicados na revista científica internacional Computers and Electronics in Agriculture em 2024 e testes com o robô autônomo SEEMEAR, apresentado em feiras agrícolas.
Essa tecnologia já está disponível comercialmente?
Não integralmente. Tanto a tecnologia neozelandesa, pela spin-off HoloCrop, quanto a brasileira, pelo eContaFruto e o robô SEEMEAR, estão em fase pré-comercial, com testes em fazendas reais mas sem lançamento de produto comercial amplo confirmado até julho de 2026.
Como funciona hoje a estimativa oficial de safra de laranja no Brasil?
O Fundecitrus realiza a Pesquisa de Estimativa de Safra, que colhe manualmente todos os frutos de uma amostra de 2.560 árvores em 422 municípios de São Paulo e do Triângulo e Sudoeste Mineiro entre março e abril, em parceria com a FCAV/Unesp. O custo anual gira em torno de R$ 6,4 milhões.
Por que a estimativa de safra é tão importante para produtores de uva e laranja?
Quase todas as decisões estratégicas, como raleio, contratação de mão de obra para a colheita, logística de armazenamento e embalagem e negociação comercial, são tomadas antes da colheita, com base nessas estimativas. Erros grandes de estimativa geram desperdício de recursos ou perda de receita.
Essa tecnologia pode ser aplicada à uva do Vale do São Francisco?
Não foi localizado nenhum projeto público em andamento especificamente para contar cachos de uva por IA no Vale do São Francisco. No entanto, testes da própria Embrapa já mostraram acurácia de detecção de 96% para uva em benchmark, e a literatura internacional documenta a aplicação da tecnologia em vinhedos, então a base técnica já existe, mas a aplicação regional ainda não foi confirmada.
O que ainda limita a adoção dessa tecnologia no campo?
Os principais limites são a falta de validação pública em condições tropicais, como calor, umidade e dossel mais denso que o neozelandês, a ausência de produto comercial lançado, o custo do hardware com GPS, LiDAR e múltiplas câmeras, e a ausência de regulação específica no Brasil para veículos terrestres autônomos agrícolas.
Qual o tamanho do mercado global de IA aplicada à agricultura?
Estimativas de quatro consultorias convergem para US$ 2,4 a 2,8 bilhões em 2025, com crescimento anual projetado entre 21% e 25% até 2030 e 2031, mais que o dobro da taxa de crescimento do mercado mais amplo de agricultura de precisão, que fica entre 10% e 13% ao ano.
O avanço do greening (HLB) aumenta a importância dessa tecnologia?
Sim. Com o greening já atingindo 47,6% das laranjeiras do cinturão citrícola paulista e mineiro no levantamento do Fundecitrus de 2025 e causando queda de 12,9% na estimativa da safra 2026/27, estimativas mais precisas e granulares, por árvore e não por amostra, tornam-se mais valiosas para o planejamento do setor.