Equipado com inteligência artificial, câmera e braço mecânico, sistema identifica tomates verdes, semimaduros e maduros e realiza a colheita de forma autônoma; avanço sinaliza nova etapa da mecanização de culturas que ainda dependem fortemente de trabalho manual.
A mecanização agrícola está começando a alcançar uma das fronteiras mais difíceis da automação no campo: colher frutos delicados, reconhecer individualmente o ponto de maturação e retirá-los da planta sem provocar danos. Um novo sistema robótico desenvolvido para a cultura do tomate conseguiu combinar essas três tarefas em uma única operação autônoma, atingindo resultados que colocam a tecnologia entre os experimentos mais promissores da chamada agricultura de precisão.
O robô alcançou 99,9% de precisão na identificação da maturação dos tomates e obteve 83,3% de acerto durante a colheita, segundo estudo publicado em 2026 na revista científica Results in Engineering. Mais do que uma demonstração tecnológica, os resultados mostram como inteligência artificial, visão computacional e robótica começam a avançar sobre operações agrícolas tradicionalmente consideradas difíceis de automatizar.
O sistema também registrou taxa de danos de apenas 4% aos frutos, um indicador particularmente relevante em produtos frescos, nos quais pequenas avarias podem reduzir qualidade comercial, vida de prateleira e preço recebido.
Inteligência artificial decide qual tomate está pronto para sair da planta
O ponto central do projeto está na combinação entre visão computacional e inteligência artificial.
Uma câmera instalada no equipamento captura continuamente imagens das plantas. Essas informações são processadas por um modelo de inteligência artificial da família YOLOv8, treinado para identificar os frutos e separá-los em três categorias:
- verdes;
- semimaduros;
- maduros.
Para treinar o sistema, os pesquisadores utilizaram 1.137 imagens de tomates previamente identificados e classificados.
Depois do treinamento, o algoritmo conseguiu atingir 99,9% de precisão na detecção e classificação, permitindo que o equipamento reconhecesse em tempo real quais frutos estavam efetivamente em condição de serem colhidos.
Na prática, o robô não simplesmente percorre a plantação retirando tomates. Ele primeiro “enxerga” a planta, interpreta o estágio de maturação e decide se deve ou não realizar a colheita.
Essa capacidade de decisão é uma das diferenças fundamentais entre a mecanização agrícola convencional e a nova geração de máquinas baseadas em inteligência artificial.
Braço robótico corta o fruto e coloca o tomate em uma cesta
Depois que o sistema identifica um tomate maduro, começa a etapa mecânica.
O robô ajusta sua posição diante da planta e direciona um braço robótico até o fruto selecionado. Um mecanismo semelhante a uma tesoura realiza o corte, separando o tomate da planta.
O fruto é então direcionado para uma cesta instalada no próprio equipamento.
Durante os testes, o conjunto alcançou 83,3% de precisão na operação de colheita, enquanto apenas 4% dos frutos apresentaram algum tipo de dano.
O processamento e a operação demandaram, em média, 19,1 segundos por fruto, considerando aproximadamente 6,7 segundos para detecção e 12,4 segundos ligados ao processo de colheita, de acordo com os parâmetros descritos pelos pesquisadores.
O sistema apresentou ainda desempenho equivalente a aproximadamente 22 quilos de tomate por hora, com capacidade operacional calculada em 18,98 metros quadrados por hora.
Os números mostram que a tecnologia ainda não substitui automaticamente todas as configurações comerciais de colheita existentes, mas demonstram que uma barreira tecnológica importante está sendo vencida.
O grande desafio não é encontrar o tomate, mas colhê-lo
Os 99,9% de precisão da inteligência artificial chamam atenção, mas talvez o dado mais importante do experimento seja a diferença entre reconhecer o fruto e efetivamente retirá-lo da planta.
Enquanto o sistema visual apresenta desempenho próximo da perfeição, a operação física ficou em 83,3%.
Essa diferença resume um dos maiores desafios da robótica agrícola.
Para um algoritmo, distinguir visualmente um tomate vermelho de um verde pode se tornar relativamente simples depois que o modelo é corretamente treinado. Entretanto, colher o fruto exige que a máquina interprete um ambiente extremamente variável.
Folhas podem encobrir tomates. Galhos mudam de posição. Frutos apresentam diferentes tamanhos. Cachos podem estar sobrepostos. A iluminação muda ao longo do dia. Além disso, o robô precisa posicionar um mecanismo mecânico muito próximo de estruturas frágeis da planta.
É justamente nessa etapa que os sistemas de colheita ainda enfrentam limitações.
Uma revisão recente sobre robótica agrícola mostra que sistemas anteriores para tomate apresentaram índices de sucesso geralmente entre 60% e 86%, dependendo da tecnologia utilizada e das condições de operação.
Portanto, o resultado de 83,3% observado no novo projeto está dentro da faixa superior obtida por diferentes sistemas experimentais, mas combinado agora com uma capacidade muito elevada de classificação da maturação.
Computador pequeno é responsável pelo processamento
Outro aspecto interessante do projeto está no hardware utilizado.
Em vez de depender de grandes computadores externos, os pesquisadores utilizaram um Raspberry Pi 4, computador compacto amplamente empregado em projetos de automação e internet das coisas.
O equipamento recebe as imagens captadas pela câmera e executa o modelo de inteligência artificial diretamente no robô.
A estratégia aponta para uma tendência importante na agricultura digital: realizar parte do processamento diretamente no equipamento que está no campo, sem depender permanentemente de conexão com grandes servidores.
Essa arquitetura pode ser particularmente importante na agricultura, onde conexão de internet de alta velocidade ainda não está disponível de maneira uniforme em todas as propriedades.
Tecnologia mira uma das operações mais intensivas em mão de obra
O interesse por robôs agrícolas cresce principalmente em atividades nas quais a mecanização tradicional encontra dificuldades.
Grãos como soja, milho e trigo já contam há décadas com sistemas altamente mecanizados de plantio e colheita.
Em frutas e hortaliças, entretanto, o cenário é diferente.
Culturas como tomate, morango, pimentão e outras espécies destinadas ao mercado fresco exigem operações extremamente cuidadosas. Em muitos casos, trabalhadores precisam observar cada fruto individualmente antes de decidir se ele está pronto para a colheita.
É exatamente essa decisão que os novos sistemas baseados em inteligência artificial tentam reproduzir.
O objetivo não é apenas substituir força física por máquinas. É automatizar parte da capacidade humana de observar, interpretar e decidir.
Essa mudança ajuda a explicar por que inteligência artificial e robótica começam a aparecer juntas com cada vez mais frequência nas pesquisas agrícolas.
O avanço interessa diretamente ao Brasil
Embora o equipamento tenha sido desenvolvido em ambiente experimental de produção protegida, o avanço merece atenção do setor brasileiro.
O Brasil produziu 4,66 milhões de toneladas de tomate em 2025, segundo dados da Produção Agrícola Municipal do IBGE. A cultura movimentou aproximadamente R$ 10,9 bilhões, ocupando cerca de 63,5 mil hectares.
Para 2026, levantamentos conjunturais do IBGE chegaram a indicar produção nacional próxima de 4,7 milhões de toneladas.
Além da dimensão econômica, existe uma particularidade importante: Goiás é atualmente o maior produtor brasileiro de tomate, seguido por importantes polos localizados em São Paulo, Minas Gerais e outras regiões.
Isso coloca o desenvolvimento de tecnologias de automação potencialmente dentro do radar de uma cadeia produtiva relevante para o agronegócio nacional.
Goiás poderia estar entre os principais interessados
O peso goiano na tomaticultura torna essa discussão particularmente relevante.
A produção estadual reúne tanto tomate destinado à indústria quanto sistemas voltados ao consumo fresco. Regiões produtoras também convivem com desafios relacionados a disponibilidade de trabalhadores, custos de produção, controle fitossanitário, produtividade e logística.
Dados da Conab mostram ainda a importância de Goiás no abastecimento das centrais atacadistas brasileiras. Em abril de 2026, o estado enviou aproximadamente 8,66 milhões de quilos de tomate às Ceasas monitoradas, com regiões como Goiânia, Chapada dos Veadeiros e Anápolis aparecendo entre importantes origens do produto.
Para sistemas de produção protegida e cultivos de tomate de maior valor agregado, equipamentos capazes de selecionar individualmente o ponto de colheita podem ganhar espaço primeiro justamente onde a qualidade e a uniformidade do fruto possuem maior impacto sobre a remuneração.
Robô ainda não significa trabalhador fora da lavoura
Uma leitura apressada desse tipo de tecnologia poderia levar à conclusão de que a agricultura estaria próxima de eliminar trabalhadores das lavouras.
O cenário é mais complexo.
Robôs agrícolas ainda enfrentam desafios relacionados ao preço do equipamento, manutenção, velocidade operacional, adaptação das plantas, deslocamento dentro das lavouras e capacidade de trabalhar continuamente em ambientes agrícolas reais.
Além disso, novas tecnologias normalmente substituem determinadas tarefas ao mesmo tempo em que criam outras funções.
Operadores, técnicos em manutenção, especialistas em eletrônica, programadores, profissionais de agricultura de precisão e trabalhadores treinados para supervisionar frotas autônomas tendem a participar de uma propriedade cada vez mais digitalizada.
Por isso, a transformação mais provável não é simplesmente a eliminação da mão de obra, mas uma mudança no tipo de trabalho realizado dentro das propriedades rurais.
Agricultura também terá de se adaptar às máquinas
Existe ainda outro ponto pouco discutido.
Para colocar robôs em larga escala dentro das lavouras, talvez não seja suficiente adaptar apenas os equipamentos às plantas.
As próprias lavouras poderão ser desenhadas para facilitar o trabalho das máquinas.
Espaçamento entre linhas, condução das plantas, altura dos frutos, arquitetura vegetal e sistemas de tutoramento podem futuramente ser ajustados para facilitar a atuação de câmeras e braços robóticos.
É um processo semelhante ao que ocorreu em outras etapas da mecanização agrícola: a máquina muda para atender à cultura, mas o sistema produtivo também acaba sendo redesenhado para aproveitar melhor a máquina.
Em ambientes protegidos, esse movimento tende a ocorrer mais rapidamente porque existe maior controle sobre o arranjo das plantas.
Inteligência artificial começa a sair do monitor e ganhar braços
Durante os primeiros anos da expansão da inteligência artificial na agricultura, grande parte das aplicações esteve concentrada na análise de informações.
Algoritmos passaram a identificar plantas daninhas, doenças, deficiência nutricional, animais e falhas de plantio.
A próxima etapa é diferente.
Agora, a IA começa a ser conectada diretamente a componentes físicos capazes de executar uma ação.
O software identifica a planta invasora e aciona o pulverizador. Reconhece uma fruta madura e movimenta o braço robótico. Analisa uma linha de plantio e altera automaticamente a operação da máquina.
Essa integração entre percepção, decisão e ação representa provavelmente uma das mudanças tecnológicas mais importantes que chegarão ao campo nos próximos anos.
Ainda existe distância entre o laboratório e a fazenda
Os resultados do novo robô são expressivos, mas precisam ser interpretados dentro do contexto correto.
Trata-se de uma tecnologia em desenvolvimento e avaliada em condições específicas.
Uma máquina comercial precisa funcionar durante muitas horas, enfrentar variações de temperatura, poeira, umidade, plantas desuniformes e diferentes condições de luminosidade, além de justificar economicamente o investimento realizado pelo produtor.
Outro desafio será aumentar a velocidade.
Mesmo com 22 kg por hora registrados no experimento, a adoção comercial dependerá da produtividade necessária em cada sistema de produção, do valor do equipamento e da possibilidade de vários robôs trabalharem simultaneamente.
É possível que a lógica econômica da robotização agrícola seja diferente da mecanização tradicional.
Em vez de uma máquina enorme realizando todo o trabalho, propriedades poderão utilizar pequenas frotas de equipamentos autônomos trabalhando durante longos períodos, inclusive fora dos horários tradicionais de trabalho.
O que esse robô realmente sinaliza para o futuro do campo
Talvez o maior avanço apresentado pela pesquisa não esteja apenas no tomate retirado da planta.
Está na capacidade de uma máquina realizar uma sequência de decisões que até pouco tempo dependia quase exclusivamente da percepção humana: localizar o fruto, interpretar sua maturação, decidir se ele deve ser colhido, posicionar o equipamento e executar a retirada.
O índice de 99,9% de precisão na classificação da maturação mostra o quanto a visão computacional avançou, enquanto os 83,3% de sucesso na colheita revelam justamente onde está a próxima fronteira tecnológica: transformar uma decisão digital precisa em uma ação mecânica igualmente eficiente.
Para o agronegócio brasileiro, essa diferença merece atenção.
A inteligência artificial já consegue enxergar a lavoura com enorme precisão. Agora, a corrida tecnológica está concentrada em ensinar as máquinas a trabalhar fisicamente dentro dela.
E, quando essa etapa amadurecer, culturas que durante décadas permaneceram entre as mais difíceis de mecanizar poderão entrar definitivamente na era dos robôs agrícolas.
Quer ficar por dentro do agronegócio brasileiro e receber as principais notícias do setor em primeira mão? Para isso é só entrar em nosso grupo do WhatsApp (clique aqui) ou Telegram (clique aqui). Você também pode assinar nosso feed pelo Google Notícias.
