Fenômica e Inteligência Artificial para seleção de genótipos de soja resistentes ao complexo do percevejo

• Processo: 25/21971-1
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de novembro de 2025
• Data de Término da vigência: 31 de outubro de 2026
• Área de conhecimento: Ciências Biológicas - Genética - Genética Vegetal
• Pesquisador responsável: José Baldin Pinheiro
• Beneficiário: Christian Miguel Sales Coelho
• 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): Glycine max
• Palavra(s)-Chave do Pesquisador: breeding | Early Selection | Glycine max | High-Throughtput-Phenotyping | Stink bugs | Melhoramento Genético da Soja

Resumo

A soja é uma espécie de importância estratégica no Brasil, sendo a cultura economicamente mais importante do país. O complexo percevejos se destaca entre as principais pragas que atacam as lavouras, o que causa reduções importantes na produção de grãos e na qualidade das sementes. A estratégia mais eficiente para superar o problema é obter cultivares resistentes, e para isso, a fenotipagem de alta precisão tem mostrado 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 percevejos da soja e o ciclo da cultura. Assim, 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 em campo por meio de imagens aéreas e em solo com sensores RGB. A produtividade de grãos e a qualidade das sementes serão mensuradas em laboratório. Utilizando duas abordagens de aprendizado de máquina profundo, os dados serão utilizados como variáveis ¿¿explicativas para o desenvolvimento de modelos de classificação por visão computacional e predição de produtividade. A plataforma desenvolvida pode ser utilizada em programas de melhoramento genético que visem à seleção precoce de linhagens resistentes ao complexo percevejo-da-soja. Além disso, a aplicação de modelos de predição na cultura da 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 agrícola. (AU)