Modelos de IA multimodal alcançam até 90,5% de precisão na identificação de plantas medicinais
A IA agora identifica plantas medicinais com mais precisão que muitos especialistas humanos.
Modelos multimodais de IA reconhecem plantas medicinais em imagens com até 90,5% de acerto.
Em 3 pontos
- O modelo Qwen3-VL-235B atingiu 90,5% de precisão na identificação de plantas medicinais.
- O GPT-4o obteve 85% de acerto, mostrando alta competitividade entre os modelos.
- A tecnologia reduz erros de coleta e riscos de intoxicação por plantas.
Pesquisadores testaram cinco modelos de inteligência artificial multimodal na identificação de 200 imagens de plantas medicinais. O modelo Qwen3-VL-235B obteve o melhor desempenho, com 90,5% de acerto, seguido pelo GPT-4o com 85%. Os resultados mostram que essas ferramentas podem auxiliar na identificação rápida e precisa de espécies medicinais. A descoberta é relevante para agricultores, botânicos e profissionais da saúde que dependem da correta identificação de plantas. Com modelos cada vez mais precisos, a tecnologia pode reduzir erros de coleta, evitar intoxicações e apoiar a conservação da biodiversidade, democratizando o conhecimento botânico.
🧭 O que isso muda para você
- Agricultores podem usar aplicativos de IA para confirmar espécies medicinais no campo.
- Pesquisadores agilizam a catalogação de plantas em inventários de biodiversidade.
- Profissionais de saúde verificam rapidamente a identidade de plantas usadas em fitoterapia.
- Entusiastas de plantas identificam espécies desconhecidas em trilhas e jardins.
Identificação de Plantas Medicinais com IA Multimodal
A identificação precisa de plantas medicinais é um desafio histórico na botânica, especialmente em regiões tropicais como o Brasil, onde a biodiversidade é imensa e muitas espécies são morfologicamente semelhantes. Erros podem levar a intoxicações, perda de eficácia terapêutica ou coleta insustentável. Agora, modelos de inteligência artificial multimodal — que combinam visão computacional e processamento de linguagem — estão transformando essa realidade.
Pesquisadores testaram cinco modelos de IA na identificação de 200 imagens de plantas medicinais. O destaque foi o Qwen3-VL-235B, com impressionantes 90,5% de acerto, seguido pelo GPT-4o (85%). Esses modelos analisam características visuais como forma das folhas, padrão de nervuras, cor das flores e textura do caule, comparando com vastos bancos de dados botânicos. O mecanismo envolve redes neurais profundas treinadas em milhares de imagens rotuladas, que aprendem a extrair padrões discriminativos mesmo em condições variáveis de iluminação e ângulo.
As implicações práticas são enormes. Na agricultura, agricultores podem usar aplicativos móveis para confirmar espécies medicinais antes da colheita, evitando coletar plantas tóxicas. Para a pesquisa botânica, a IA acelera a catalogação de espécies em inventários de biodiversidade e ajuda a identificar novas populações de plantas raras. Na saúde pública, profissionais de fitoterapia e farmacêuticos podem verificar rapidamente a identidade de matérias-primas vegetais, reduzindo riscos de contaminação ou substituição acidental. Além disso, a tecnologia democratiza o conhecimento: entusiastas e comunidades tradicionais podem identificar plantas comuns em trilhas, jardins ou florestas.
Espécies como *Camellia sinensis* (chá-verde), *Mentha piperita* (hortelã-pimenta) e *Aloe vera* (babosa) foram usadas nos testes, mas o método é aplicável a qualquer planta medicinal. No Brasil, onde a flora medicinal é riquíssima — como *Baccharis trimera* (carqueja), *Maytenus ilicifolia* (espinheira-santa) e *Pfaffia paniculata* (ginseng-brasileiro) — a ferramenta pode apoiar a certificação de produtos fitoterápicos e a conservação de espécies ameaçadas pela coleta predatória.
Os próximos passos incluem expandir os bancos de dados com imagens de plantas brasileiras, treinar modelos para identificar estágios de desenvolvimento (plântulas, flores, frutos) e integrar a IA em aplicativos offline para áreas rurais com pouca conectividade. A pesquisa também pretende testar os modelos em condições de campo real, com variações sazonais e de solo, para garantir robustez. Com a evolução contínua, a IA multimodal pode se tornar uma aliada indispensável na botânica, promovendo segurança, sustentabilidade e acesso ao conhecimento.
