Digital Twin and Augmented Reality Framework for Spatio-Temporal Risk Assessment of Anthracnose in Export Banana Clusters

Resumo

As doenças fúngicas pós-colheita representam um dos principais fatores que afetam a qualidade e o valor comercial dos frutos nos sistemas globais de produção de banana. Entre esses patógenos, a antracnose causada por Colletotrichum musae é particularmente desafiadora, pois as infecções frequentemente permanecem latentes durante o desenvolvimento inicial do fruto e só se tornam visíveis nas fases pós-colheita. Esse comportamento biológico complica a detecção precoce e aumenta o risco de perdas econômicas durante o armazenamento e a logística de exportação. Esta pesquisa propõe uma estrutura tecnológica integrada que combina monitoramento ambiental, previsão por aprendizado de máquina, simulação de gêmeo digital e visualização em realidade aumentada para estimar o risco espaço-temporal de desenvolvimento de antracnose em cachos de banana destinados à exportação. O monitoramento de campo foi realizado entre junho e dezembro de 2025 em três plantações comerciais de banana localizadas em Los Ríos, Equador, incluindo Reybanpac, Ubesa e Exportadora Bananera Noboa. Um conjunto de dados multimodal denominado RIOSBAN-RA foi construído utilizando monitoramento ambiental contínuo, imagens RGB de alta resolução e digitalização tridimensional de cachos de banana. O conjunto de dados contém 134.400 observações ambientais, 400 imagens RGB de alta resolução e 50 modelos tridimensionais de cachos. A análise de correlação revelou que a exposição prolongada a níveis de umidade relativa acima de 90% apresentou a relação mais forte com a ocorrência da doença (r = 0,61, p < 0,001). Três algoritmos preditivos foram avaliados: regressão logística, máquinas de vetores de suporte e modelos de floresta aleatória. Entre eles, o algoritmo de floresta aleatória alcançou o melhor desempenho, com uma precisão de 86,7% e um valor de AUC de 0,91. O modelo preditivo foi posteriormente integrado a um ambiente de gêmeo digital desenvolvido no Unity 3D, permitindo a simulação do risco de doença sob diversas condições ambientais. Além disso, foi implementada uma interface de realidade aumentada para visualizar as zonas de infecção previstas diretamente nos cachos de banana durante as inspeções de campo. Experimentos de validação envolvendo técnicos agrícolas demonstraram melhorias tanto na eficiência da inspeção quanto na interpretação do risco de doenças. Os resultados sugerem que a integração de gêmeos digitais, modelos de aprendizado de máquina e visualização em realidade aumentada pode melhorar significativamente a detecção precoce de doenças e os processos de tomada de decisão em sistemas de produção de banana para exportação