Desenvolvimento e validação de métodos de imagens multiespectrais para análise da qualidade de sementes de milho

• Processo: 22/11706-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de setembro de 2022
• Data de Término da vigência: 31 de agosto de 2023
• Área de conhecimento: Ciências Agrárias - Agronomia - Fitotecnia
• Pesquisador responsável: Clíssia Barboza Mastrangelo
• Beneficiário: Natália Chittolina
• Instituição Sede: Centro de Energia Nuclear na Agricultura (CENA). Universidade de São Paulo (USP). Piracicaba , SP, Brasil
• Vinculado ao auxílio: 17/15220-7 - Métodos de análise de imagens não destrutivos para avaliação da qualidade de sementes, AP.JP
• Assunto(s): Redes neurais convolucionais Aprendizado computacional Imagem óptica Zea mays Análise de imagens Validação analítica
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Imagem óptica | Redes Neurais convolucionais | Zea mays | Análise de imagem

Resumo

Os recentes avanços na tecnologia de imagem multiespectral e a expansão do conhecimento sobre as propriedades eletromagnéticas dos diferentes tecidos das sementes têm permitido o desenvolvimento de novos métodos de imagens, com medições rápidas e não destrutivas da qualidade de sementes. A partir da criação de modelos de aprendizado de máquina, atributos físicos, químicos, fisiológicos e sanitários de lotes de sementes podem ser analisados em tempo real de forma objetiva. Nos últimos anos, nosso grupo tem acumulado conhecimento fundamental sobre o uso de recursos modernos de imagem óptica para automação das análises laboratoriais da qualidade de sementes. Assim, pretende-se com o presente projeto utilizar esse conhecimento para a criação de modelos de aprendizado de máquina com base em algoritmos inovadores de inteligência artificial para o desenvolvimento e validação de métodos de imagens multiespectrais com potencial para a classificação de sementes de milho. Para isto, propõe-se estudar a aplicação da tecnologia de imagens multiespectrais em diferentes lotes comerciais de sementes de milho provenientes de diferentes híbridos brasileiros, utilizando o equipamento VideometerLab4® (Videometer A/S, Herlev, Dinamarca) que permite a extração simultânea de recursos de textura, cor e composição química das sementes. Serão desenvolvidos modelos de machine learning para a classificação das sementes, e em seguida, os recursos extraídos das imagens ópticas serão correlacionados aos testes de germinação e vigor (primeira contagem de germinação, teste de frio, emergência de plântulas e índice de velocidade de emergência - IVE), além de testes de raios X. Espera-se com este projeto a validação de modelos aprendizado de máquina para a avaliação rápida, precisa e não invasiva de lotes de sementes de milho a partir de sistemas robustos de imagens multiespectrais, contribuindo para o fortalecimento e ampliação de abordagens inovadoras envolvendo recentes tecnologias de imagens.(AU)