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

O FMI espera que as interrupções na cadeia de suprimentos global sejam...

Carga aérea desfruta de um 'ano estelar'

"Os consumidores dos EUA sentem o efeito dos atrasos e da alta...