A pesquisa envolveu cientistas do Centro de Energia Nuclear na Agricultura de São Paulo (Cena/USP), da Embrapa Meio Ambiente (SP) e da Universidade Técnica de Aarhus (AU), na Dinamarca
Pesquisadores usaram, pela primeira vez, uma combinação de imagens multiespectrais e radiográficas para analisar atributos de qualidade de sementes. Baseada em inteligência artificial, a nova metodologia permite automatizar e melhorar a eficiência do processo de análise de sementes, obtendo resultados mais precisos em tempo real e dissociados da subjetividade do analista.
Para o teste, foi utilizada como modelo Jatropha curcas, oleaginosa popularmente conhecida como pinhão-manso, variedade que possui relevante importância econômica por sua aptidão na produção de biocombustíveis, alimentos e rações. Os autores do estudo destacam que técnica pode ser adaptada e empregada em sementes de outras culturas.
Esta nova técnica se difere da convencional na questão do tempo, visto que os resultados saem no momento da análise, além de ser obtido de forma automatizada, livrando-se da interpretação subjetiva do analista. Outro fator interessante é que a técnica não destrói a semente para que seja possível chegar a uma conclusão. Isso torna possível analisar mais amostras e fornecê-las aos agricultores com maior garantia de qualidade e potencial de produtividade.
A pesquisa envolveu cientistas do Centro de Energia Nuclear na Agricultura de São Paulo (Cena/USP), da Embrapa Meio Ambiente (SP) e da Universidade Técnica de Aarhus (AU), na Dinamarca.
Funcionamento da técnica
As sementes são expostas à luz sequenciada em diferentes comprimentos de onda, em ambiente integrado com sistemas de computador e sensores, para o reconhecimento dos parâmetros físico-químicos e vigor das amostras.
Ambas as técnicas são complementares. Na análise qualitativa, a imagem espectral é mais eficiente ao verificar a textura, os atributos físicos e químicos associados a danos por insetos, infecções fúngicas e outros. Contudo, essa técnica apresenta limitação ao não atingir os tecidos do interior das sementes.
Já a imagem de raios-X demonstrou grande potencial para coletar dados de estruturas internas, como danos no embrião e endosperma.
Os pesquisadores testaram imagens multiespectrais e de raios-X em comparação com métodos analíticos convencionais. A pesquisa incluiu a aplicação de um algoritmo de aprendizagem de visão de máquina que apresentou alta precisão para prever a capacidade de as sementes produzirem plântulas normais, plântulas anormais e sementes mortas. O sistema alcançou uma acurácia superior a 96% quando foram utilizados dados de reflectância no infravermelho próximo (940 nanômetro) e classes de imagens de raios-X.
Os resultados obtidos com o uso combinado das tecnologias apresentaram alta correlação com os dados gerados nos métodos analíticos tradicionais, utilizados para avaliação do potencial fisiológico de sementes, revelando ser uma técnica promissora voltada ao controle da qualidade de sementes de interesse agrícola.
Fonte: Embrapa
Imagem: Qualidade Isla Sementes
