Os bioativos são produzidos em mínimas quantidades no metabolismo secundário das plantas, quando estas submetidas ao estresse, inviabilizando a exploração comercial devido à falta de controle ambiental na produção da planta a campo para aumentar o bioativo e obter fitomedicamentos a baixo custo para a população, como no caso da vitexina, na planta brasileira, no chapéu de couro (Echinodorus macrophyllum). O rendimento dos bioativos na planta somente pode ser avaliado a posteriori na matéria seca e sem técnicas preditivas, inviabiliza o manejo, não assegura qualidade e encare a extração nas indústrias. Além disso, as avaliações dos bioativos na matéria seca processada são lentas, caras e exigem equipamentos de alto valor e especialistas. As redes neurais artificiais (RNAs) têm sido utilizadas para predizer bioativos na função de novas moléculas e na matéria seca processada, como fenóis, antioxidantes e flavonóides. Aplicando as RNAs na avaliação do crescimento e desenvolvimento das plantas em experimentos com diferentes qualidade de luz, irrigação ou elicitores em plataformas de produção em ambiente controlado e iluminado artificialmente, é possível indiretamente quantificar os bioativos permitindo o manejo da planta para alto rendimento. Também a aplicação das RNAs em dados do processamento da matéria seca de diferentes extrações vai permitir a predição dos bioativos e a aplicação em alta escala na seleção de plantas. Assim, o objetivo é desenvolver soluções algorítmicas com Inteligência Artificial, aplicados às imagens de crescimento e desenvolvimento das plantas, e de dados dos bioativos após o processo de extração, para predizer o rendimento do bioativo em tempo real no crescimento da planta e no produto colhido. Para isso, serão avaliadas redes neurais convolucionais e o estado da arte em algoritmos de inteligência artificial, nas imagens do crescimento e desenvolvimento da planta e dados da matéria seca processada em experimentos, que maximizam o bioativo em E. macrophyllum em plataforma autônoma.