“Inteligência Artificial: A Nova Fronteira da Ciência Brasileira”
19 a 24 de outubro de 2020
Trabalho 13859
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Exatas e Tecnológicas |
| Área temática | Genética |
| Setor | Departamento de Estatística |
| Bolsa | PIBIC/CNPq |
| Conclusão de bolsa | Sim |
| Apoio financeiro | CNPq |
| Primeiro autor | Caio Marchiorato de Gouveia |
| Orientador | LUIZ ALEXANDRE PETERNELLI |
| Título | Uso de imagens RGB e espectroscopia NIR na modelagem visando discriminação de clones em seleção de famílias em cana-de-açúcar |
| Resumo | A produção da cana-de-açúcar desempenha papel fundamental na economia do país e sua importância tem sido cada vez maior. No melhoramento de cana-de-açúcar, o processo de desenvolvimento de novos cultivares envolve diversas fases de investigação. Devido ao longo tempo necessário para se obter um material promissor, torna-se extremamente importante o desenvolvimento e uso de técnicas estatísticas, fitotécnicas e moleculares apropriadas para se otimizar o processo de seleção, possibilitando o desenvolvimento de variedades mais produtivas e com características mais desejáveis para atender o interesse da indústria canavieira. A espectroscopia do infravermelho próximo (NIR – Near infrared reflectance) e o uso de imagens RGB alinhadas a métodos estatísticos, pacotes e softwares de visão computacional possuem grande potencial de aplicação com o objetivo de separação dos colmos quanto as suas identidades dentro das famílias no experimento adensado (“tapetinho”). Tais técnicas possuem facilidade de aplicação devido a sua rapidez e exatidão. Além disso, após a aquisição de dados, não há nenhum gasto com químicos e outros materiais. Com o desenvolvimento de tais plataformas, torna-se possível que avancemos, em acurácia e tempo de fenotipagem, sobre o processo do desenvolvimento de novas cultivares de cana-de-açúcar. O objetivo do presente trabalho é avaliar a possibilidade de discriminação de clones em seleção de famílias em cana-de-açúcar. O material vegetal utilizado para amostragem foi oriundo de 470 clones em fase T1, instalados no CECA (Centro de Pesquisa e Melhoramento de Cana-de-Açúcar da UFV), no Delineamento em Blocos Casualizados (DBC) com 60 famílias de cana-de-açúcar e 8 blocos. As amostras de folhas foram coletadas buscando utilizar as folhas +1, dos respectivos clones, as quais correspondem a primeira folha completamente solta da bainha da planta (apresentando o cotovelo ou “dewlap”). Foi utilizada a câmera digital Fujifilm S4000 de 14 MegaPixels e lente 30x Superwide para obtenção das imagens RGB. Em sequência à coleta da imagem, foram coletados os dados de espectroscopia no infravermelho próximo com o espectrômetro DLP®️ NIRscan™️ Nano EVM (Texas Instruments) na faixa de 900 a 1700 Nm. As amostras de imagem RGB e NIR obtidas foram encaminhadas a scripts de Python e R (R Core Team, 2017) com o objetivo de gerar um pré-tratamento calibrado dos dados e sistematização das análises. Devido ao infortúnio da pandemia de Sars-CoV-2, não houve a possibilidade de construir um banco de dados mais robusto com as análises de campo. Contudo, com os dados inicialmente coletados pudemos inferir que existe a possibilidade de discriminação de clones em seleção de famílias de cana-de-açúcar com a modelagem estatística, devido a diferença do comportamento que as amostras apontaram durante a análise descritiva dos dados de imagem RGB e NIR. |
| Palavras-chave | Melhoramento vegetal, amostragem, modelos de predição |
| Forma de apresentação..... | Vídeo |
| Link para apresentação | Vídeo |
|---|