Fenotipagem de alto rendimento e aprendizado de máquina para a seleção de genótipos de soja resistentes ao complexo de percevejos em diferentes grupos de maturidade

• Processo: 25/11161-2
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de julho de 2025
• Data de Término da vigência: 30 de junho de 2026
• Área de conhecimento: Ciências Agrárias - Agronomia
• Pesquisador responsável: José Baldin Pinheiro
• Beneficiário: José Tiago Barroso Chagas
• Instituição Sede: Escola Superior de Agricultura Luiz de Queiroz (ESALQ). Universidade de São Paulo (USP). Piracicaba , SP, Brasil
• Vinculado ao auxílio: 24/15430-5 - Fusão de dados multimodais e modelagem de crescimento baseados em aprendizado de máquina para melhoria da produção de soja, AP.PFPMCG.TEM
• Assunto(s): Visão computacional Aprendizagem profunda Glycine max Melhoramento genético vegetal Melhoramento genético
• Palavra(s)-Chave do Pesquisador: Computer Vision | Deep Learning | Glycine max | Pest resistance | Plant breeding | Melhoramento genético

Resumo

A soja é uma espécie de importância estratégica no Brasil, sendo a cultura de maior importância econômica no país. Dentre as principais pragas que atacam a cultura, destaca-se o complexo de percevejos, que causa reduções importantes na produção de grãos e na qualidade das sementes. A estratégia mais eficiente para contornar o problema é a obtenção de cultivares resistentes, e para isso, a fenotipagem de alta precisão tem apresentado resultados promissores. Portanto, o presente estudo tem como objetivo desenvolver uma plataforma de fenotipagem de alta precisão para identificação de linhagens superiores, levando em consideração a resposta à infestação pelo complexo de percevejos da soja e o ciclo da cultura. Para tanto, serão avaliadas duas populações, a primeira com 300 e a segunda com 250 indivíduos, conduzidas sob duas estratégias de manejo. Os genótipos em diferentes estádios fenológicos da cultura serão fenotipados no campo através de imagens aéreas e no solo com sensores RGB. O rendimento dos grãos e a qualidade das sementes serão medidos em laboratório. Usando duas abordagens de aprendizado de máquina profundo, os dados serão usados como variáveis explicativas para o desenvolvimento de modelos de classificação de visão computacional e previsão de produtividade.A plataforma desenvolvida pode ser utilizada em programas de melhoramento genético visando a seleção precoce de linhagens resistentes ao complexo de percevejos da soja. Além disso, a aplicação de modelos de predição em lavouras de soja pode auxiliar na definição de estratégias vantajosas de controle de pragas em tempo real, levando à aplicação racional de insumos e à redução de custos ambientais e de produção da cultura. (AU)