O trabalho exercido pela AgromAI engloba variadas atividades. A começar pelo envio de pessoas, in loco, para o terreno, com a intenção de fazer a coleta de dados. Tudo o que é coletado, em combinação com com as imagens de satélite, serve como insumo para alimentar e treinar modelos de inteligência artificial, com a premissa de entrega de resultados mais assertivos. 

Um dos exemplos de modelo desenvolvido pela empresa é o de Segmentação de Bordas, que cria uma série temporal e registra a imagem da terra que o agricultor está realmente utilizando para plantio. Na análise de solo, são verificados atributos importantes, como o tipo de relevo encontrado, o fluxo de água e o índice vegetativo, culminando em diversos espectros para entender a composição deste mesmo solo.

Outro modelo útil para as classificações é o chamado de Evapotranspiração, que consiste no processo de despejo da água da ponta da planta para o solo, e do solo na atmosfera. Esse processo pode ser quantificável. Portanto, o modelo de IA, mais uma vez, quantifica os talhões para gerar conhecimento a respeito das falhas e, por outro lado, da área com melhor comportamento vegetativo. 

O último passo, nessa sequência, calcula o potencial produtivo, efetivamente. O resultado é demonstrado em um dashboard, um verdadeiro relatório. Neste sentido, dados da Empresa Brasileira de Pesquisa Agropecuária (Embrapa), do Instituto Brasileiro do Meio Ambiente e dos Recursos Naturais Renováveis (IBAMA) e outros órgãos ambientais são consultados, para que haja a validação socioambiental que é posteriormente enviada para os bancos de crédito.

O Google Earth Engine é a principal API externa usada pela companhia para realizar todo esse processo detalhado de análise de solo. A solução garante poder de processamento e diminuição da latência, proporcionando melhor experiência do usuário. Pensando em unir esses benefícios ao aumento da performance do seu produto, a AgromAI, que mantinha outro provedor, decidiu migrar integralmente para o Google Cloud e ampliar ainda mais o alcance dos seus serviços. 

Na visão da empresa, se a aplicação principal utilizada para o sensoriamento remoto é originária do Google Cloud, as demais ferramentas da nuvem, integradas, poderiam ser uma força ainda maior para impulsionar as suas operações. E assim aconteceu. 

O time de desenvolvedores da AgromAI reconheceu no Google Cloud facilidades não encontradas no provedor anterior, como o fato de ser um ambiente user friendly, com flexibilidade no uso dos serviços e recursos de fácil gerenciamento.

Atualmente, a infraestrutura tecnológica da empresa é formada por diversos contêineres que escalam de acordo com as demandas da aplicação. Neste contexto, o Kubernetes, ideal para ativar ou excluir recursos conforme a necessidade, foi uma aposta da equipe de desenvolvimento da companhia. A escolha traz economia e evita a ociosidade de máquinas. Junto a isso, as GPUs também tornaram-se essenciais para o funcionamento das operações. 

Ter uma maior interoperabilidade entre a aplicação e a API externa do Google Earth Engine conferiu maior segurança, escalabilidade e performance à AgromAI. A disponibilidade total do ambiente para a classificação de culturas, criando uma série temporal de imagens, é um dos pontos positivos dessa integração. 

Os profissionais de sensoriamento remoto também conseguem performar cerca de 30% mais com as facilidades geradas pela ferramenta de análise geoespacial baseada na nuvem, chegando a classificar 10 milhões de hectares por dia com a utilização dos modelos de inteligência artificial. 

“Agora, no intuito de expandir a classificação de culturas e análise de risco, desejamos seguir em frente. Para isso, queremos começar a fazer testes com BigQuery nos próximos meses, principalmente para concentrar todos os nossos dados em um mesmo repositório, colocar modelos prontos para analisar esses dados e, como consequência, receber novos insights. Isso será algo programado para breve”, planeja o CEO da AgromAI.