Publicação: Método de fitopatometria utilizando processamento de imagens e Inteligência Artificial para detecção e quantificação de sintomas e sinais de Ferrugem Asiática da Soja aplicado ao melhoramento genético
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Área do conhecimento
CNPQ::CIENCIAS BIOLOGICAS::GENETICA::GENETICA VEGETAL, CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO, CNPQ::CIENCIAS BIOLOGICAS::BIOQUIMICA, CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::FITOSSANIDADE::FITOPATOLOGIA
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
A soja está entre as principais culturas do mundo, tendo o Brasil como um dos protagonistas em sua produção e exportação. Devido à crescente demanda mundial pelos grãos de soja, necessita-se de um aumento recorrente na produção, que pode ser prejudicado pela infecção por doenças, como a ferrugem asiática da soja (FAS), causada pelo fungo Phakopsora pachyrhizi. A resistência à ferrugem asiática é poligênica, tendo genes de resistência já listados na literatura, entretanto, devido à diversidade de raças do fungo e seus diversos genes causadores de virulência, o processo de melhoramento genético com o foco de resistência à ferrugem asiática deve ser constante e aplicado de forma conjunta com o controle químico e técnicas de manejo. O processo de melhoramento genético utiliza a severidade dos sintomas da infecção para identificação de genótipos resistentes e é tradicionalmente feito de forma visual pelo melhorista em campo. O presente estudo propõe um método que pode ser aplicado na seleção de genótipos com níveis de resistência, para a detecção e quantificação de sintomas de FAS. Para a construção do método, o trabalho se inicia por uma revisão sistemática sobre o objeto de estudo Inteligência Artificial e Processamento de Imagens, utilizando os dados coletados para propor um estudo exploratório para compreender a detecção dos sintomas de ferrugem de imagem e propor um algoritmo. O algoritmo foi validado em relação a outros métodos já existentes, mostrando uma correlação maior que 0,9 e um software foi criado para executar a quantificação. Foi proposto um experimento para a criação do método com o foco em compreender o efeito de fungicida, forma de coleta de folíolos e forma de captura de imagem. O método e o software foram aplicados na seleção de genótipos de uma população. Além disso, como etapa adicional do trabalho, foi proposto o uso de uma Rede Neural Convolucional para a classificação de múltiplos patógenos em regiões do folíolo.
Abstract
Soybeans are one of the most important crops in the world, with Brazil being one of the main players with its grain production and exports. Due to the increasing global demand for soybeans, a continuous increase in production is required, which could be affected by diseases such as Asian Soybean Rust (ASR) caused by the fungus Phakopsora pachyrhizi. Because of the diversity of races of the fungus and its several virulence causing genes, the process of genetic improvement focusing on resistance to ASR must be constant and applied in conjunction with chemical control and management techniques. The process of genetic breeding uses the severity of infection symptoms to identify resistant genotypes and is traditionally performed by the geneticist in the field in a visual manner. In this study, we propose a method for detecting and quantifying ASR symptoms using images that can be applied to the selection of genotypes with resistance levels. To develop the method, the work begins with a systematic review of the subject of study Artificial Intelligence and Image Processing, using the collected data to propose an exploratory study to understand the detection of image rust symptoms and develop an algorithm. The algorithm was validated against other existing methods, showing a correlation greater than 0.9, and software was developed to perform the quantification. An experiment was proposed to develop the method, focusing on understanding the effects of fungicides, the form of leaf collecting, and the form of image acquisition. The method and software were applied to the selection of genotypes from a population. In addition, another step of the work proposed the use of a convolutional neural network for classifying multiple pathogens in leaf areas.
Palavras-chave
Ferrugem Asiática da Soja, Asian Soybean Rust, Fenotipagem por Imagem, Image Phenotyping, Fitopatometria, Phytopathometry, Processamento de Imagem, Image Processing, Melhoramento Genético, Genetic Breeding
Citação
SILVA, Diego Alves da. Método de fitopatometria utilizando processamento de imagens e Inteligência Artificial para detecção e quantificação de sintomas e sinais de Ferrugem Asiática da Soja aplicado ao melhoramento genético. 2022. 146 f. Tese (Doutorado em Genética e Bioquímica) - Universidade Federal de Uberlândia, Uberlândia, 2022. DOI http://doi.org/10.14393/ufu.te.2022.5043
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto