Pesquisadores desenvolvem um algoritmo para medir a morfologia dos frutos

Uma equipe de pesquisa do Centro de Pesquisa em Agrigenômica (CRAG) desenvolveu um método computadorizado automatizado e econômico para avaliar a forma e a cor dos frutos que ajudará a aumentar a eficiência agrícola. O estudo, publicado na revista científica Plant Phenomics, foi conduzido usando imagens de morango, embora esse algoritmo de aprendizado de máquina possa ser facilmente aplicado a outras frutas, como maçã, tomate e frutas cítricas. O software também pode prever virtualmente o formato e a aparência da fruta, fornecendo uma ferramenta de simulação poderosa para projetar novos cruzamentos. A equipe de pesquisa concedeu acesso gratuito ao código para que a comunidade possa adaptá-lo às suas necessidades.

Implementação de algoritmos de aprendizagem profunda

A equipa de investigação tirou fotografias de cerca de 2.000 morangos, exteriores e meio cortados, de diferentes linhas de beneficiamento fornecidas pela empresa Planasa e recolhidos na campanha de 2018 em Huelva (Espanha). “Avaliar a forma de um determinado objeto, no caso um morango, a partir de uma fotografia não é tão simples quanto parece. Os descritores lineares clássicos - área, perímetro, altura, largura ... - têm certas limitações que levam à perda de informações relevantes por simplificar extremamente as características morfológicas. Para avaliar a forma de forma mais detalhada, complementamos esses métodos lineares com técnicas multivariadas e de aprendizado profundo ”, afirmou a primeira autora do artigo, Laura M. Zingaretti, que realizou este trabalho como parte de sua tese de doutorado no CRAG.

Ao combinar esses métodos, a equipe de pesquisa foi capaz de gerar um software automatizado que analisa os padrões de forma e cor extraídos de imagens de morango. A ferramenta que desenvolveram é muito mais automatizada do que suas predecessoras, pois requer intervenção mínima do usuário e tempo de computação limitado, fornecendo uma maneira rápida e barata de avaliar a fenômica.

Uma ferramenta para melhorar a eficiência agrícola

“Além da análise morfológica, nossa ferramenta de deep learning é capaz de prever o surgimento de novos cruzamentos de frutas. Essa contribuição pode ser muito valiosa na primeira etapa de programas de melhoramento de plantas, pois permitiria avaliar vários cruzamentos sem a necessidade de testá-los diretamente no campo, economizando tempo e recursos ”, afirmou Miguel Pérez-Enciso, pesquisador do ICREA no CRAG e co-diretor do estudo.

"Esta ferramenta também tem o potencial de ser adaptada para medir os traços fenômicos visuais dos frutos diretamente no campo, para analisar outras características de conformação das plantas (folhas, flores, raízes ...), ou para a avaliação precoce de doenças", afirmou. afirmou Amparo Monfort, investigador do IRTA do CRAG e codiretor do trabalho.

Artigo anterior

próximo artigo

POSTAGENS RELACIONADAS

Driscoll's concorda com os termos da aquisição da Berry Gardens

Análise do panorama mundial da produção de mirtilo

Paula del Valle analisará as variedades do Peru e seu post...