Pesquisadores da Universidade Federal de Mato Grosso do Sul (UFMS) desenvolveram uma tecnologia baseada em inteligência artificial e visão computacional capaz de otimizar o manejo de lavouras de cana-de-açúcar e soja. Utilizando imagens de alta resolução capturadas por drones e processadas por uma arquitetura proprietária de deep learning, o sistema identifica falhas de plantio e linhas de colheita com precisão centimétrica, além de detectar plantas daninhas na cultura da soja com 98% de assertividade. No canavial, o algoritmo evita o pisoteio de brotos por máquinas agrícolas, enquanto na soja viabiliza a aplicação localizada de herbicidas, gerando uma economia de até 82% em insumos químicos comparado ao método tradicional de pulverização em área total.
O projeto teve início em 2018 com foco no mapeamento urbano e de queimadas no Pantanal, mas migrou para o agronegócio no final de 2022 após uma demanda emergencial da Raízen para mapear 60 mil hectares. O sucesso do processamento de dados, concluído em menos de 24 horas, transformou a iniciativa acadêmica na formação da agtech GeoIA. Em 2025, a startup faturou R$ 4,5 milhões atendendo a oito das dez maiores usinas do setor sucroenergético do Brasil, e projeta alcançar R$ 8 milhões em faturamento em 2026. Sob a liderança do CEO Pedro Cavalcante, a empresa expande sua atuação como uma plataforma de visão computacional genérica para o agro, visando a escalabilidade internacional e negociações com operadores nos Estados Unidos.