Notícia

Mundo Agropecuario (Venezuela)

Técnica basada en inteligencia artificial que permite la automatización del análisis de semillas de cultivos

Publicado em 31 março 2021

Por Janaína Simões, da Agência FAPESP

El grupo utilizó tecnología basada en la luz como la que se implementó en el análisis de plantas y cosméticos para adquirir imágenes de las semillas. Luego recurrieron al aprendizaje automático para automatizar el proceso de interpretación de imágenes, minimizando algunas de las dificultades de los métodos convencionales. Por ejemplo, para muchas especies, la tecnología de imágenes ópticas se puede aplicar a un lote completo de semillas en lugar de solo a muestras, como es el caso actualmente. Además, la técnica no es invasiva y no destruye los productos analizados ni genera residuos.

Las técnicas basadas en luz consistieron en fluorescencia de clorofila e imágenes multiespectrales. Entre las plantas que son relevantes tanto como cultivos como modelos experimentales, los investigadores eligieron tomates y zanahorias producidos en diferentes países y temporadas y sometidos a diferentes condiciones de almacenamiento. Utilizaron semillas de las variedades comerciales de tomate Gaucho y Tyna producidas en Brasil y Estados Unidos, y semillas de las variedades de zanahoria Brasilia y Francine producidas en Brasil, Italia y Chile.

La elección se basó en la importancia económica de estos cultivos alimentarios, cuya demanda mundial es alta y está aumentando, y en las dificultades que enfrentan los productores para recolectar sus semillas. Tanto en tomates como en zanahorias, el proceso de maduración no es uniforme porque las plantas florecen continuamente y la producción de semillas no es sincronizada, por lo que los lotes de semillas pueden contener una mezcla de semillas maduras e inmaduras. La presencia de semillas inmaduras no se detecta fácilmente por métodos visuales, y las técnicas basadas en visión artificial pueden minimizar este problema.

Los investigadores compararon los resultados de su análisis no destructivo con los de las pruebas tradicionales de germinación y vigor, que son destructivas, requieren mucho tiempo y trabajo. En la prueba de germinación, los analistas de semillas separan las muestras, las siembran para que germinen en condiciones favorables de temperatura, agua y oxígeno, y verifican la cantidad final de plántulas normales producidas de acuerdo con las normas establecidas por el Ministerio de Agricultura. Las pruebas de vigor son complementarias y más sofisticadas. Los más comunes se basan en la respuesta de la semilla al estrés y los parámetros de crecimiento de la plántula.

Ver: Impulsar la diversidad de insectos puede proporcionar servicios de polinización de cultivos más consistentes

Además de las dificultades mencionadas, los métodos tradicionales consumen mucho tiempo. En el caso de los tomates y las zanahorias, por ejemplo, puede llevar hasta dos semanas obtener resultados, que también son en gran medida subjetivos, según la interpretación del analista. «Nuestra propuesta es automatizar el proceso tanto como sea posible utilizando fluorescencia de clorofila y imágenes multiespectrales para analizar la calidad de la semilla. Esto evitará todos los cuellos de botella habituales», dijo Clíssia Barboza da Silva, investigadora del CENA-USP y una de las autoras de un artículo sobre el estudio publicado en Frontiers in Plant Science .

Silva es el investigador principal del proyecto apoyado por la Fundación de Investigaciones de São Paulo – FAPESP. La autora principal del artículo es Patrícia Galletti, quien realizó el estudio como parte de la investigación de su maestría y ganó el Premio al Mejor Cartel en 2019 en el 7 ° Congreso de Semillas de las Américas, donde presentó resultados parciales del proyecto.

La clorofila como marcador de calidad

La clorofila está presente en las semillas, donde aporta energía para el almacenamiento de los nutrientes necesarios para el desarrollo (lípidos, proteínas y carbohidratos). Una vez que ha cumplido esta función, la clorofila se degrada. «Sin embargo, si la semilla no completa el proceso de maduración, esta clorofila permanece dentro de ella. Cuanto menos clorofila residual, más avanzado es el proceso de maduración y más nutrientes y de mayor calidad hay en la semilla. Si hay mucha clorofila , la semilla es inmadura y su calidad es mala ”, dijo Silva.

Si se ilumina la clorofila de una semilla con luz de una longitud de onda específica, esta no transfiere esta energía a otra molécula, sino que vuelve a emitir la luz en otra longitud de onda, lo que significa que es fluorescente. Esta fluorescencia se puede medir, explicó. La luz roja se puede usar para excitar la clorofila y capturar la fluorescencia usando un dispositivo que la convierte en una señal eléctrica, produciendo una imagen que comprende píxeles grises, negros y blancos. Las áreas más claras corresponden a niveles más altos de clorofila, lo que indica que la semilla es inmadura y es poco probable que germine.

Inteligencia artificial

En las imágenes multiespectrales, los LED (diodos emisores de luz) emiten luz en la parte visible del espectro, así como luz no visible (UV e infrarrojo cercano). Para analizar la calidad de la semilla en función de la reflectancia, los investigadores utilizaron 19 longitudes de onda y compararon los resultados con los datos de evaluación de la calidad obtenidos por métodos tradicionales. Los mejores resultados se obtuvieron utilizando infrarrojo cercano en el caso de las semillas de zanahoria y UV en el caso de las semillas de tomate.

Las semillas contienen proteínas, lípidos y azúcares que absorben parte de la luz emitida por los LED y reflejan el resto. La luz reflejada es captada por una cámara multiespectral, y la imagen captada se procesa para separar las semillas del soporte en el dispositivo, que corresponde a píxeles negros con valor cero, mientras que las semillas son en escala de grises. Los valores de los píxeles en la imagen de una semilla corresponden a su composición química.

«No trabajamos con un resultado promedio para una muestra. Realizamos una extracción individualizada para cada semilla», dijo Silva. «Cuanto mayor es la cantidad de un nutriente dado que contiene la semilla, más luz de una longitud de onda específica absorbe, de modo que se refleja menos. Una semilla con un contenido de nutrientes menor contiene menos moléculas que absorben la luz. Esto significa que su reflectancia es mayor, aunque esto varía según sus componentes, que se comportan de manera diferente según la longitud de onda de la luz utilizada «.

Un algoritmo identifica la longitud de onda que obtiene el mejor resultado. El proceso proporciona información sobre la composición química de la semilla, a partir de la cual se puede inferir su calidad.

Para los investigadores, no fue suficiente llegar a la etapa de imágenes, ya que esta sigue siendo una operación que requiere observación humana. «Luego implementamos la quimiometría, un conjunto de métodos estadísticos y matemáticos utilizados para clasificar materiales químicamente», dijo Silva. «La idea era que el equipo clasificara la calidad en función de la imagen que capturaba». Los métodos utilizados por los científicos en este estudio se utilizan ampliamente en la medicina y la industria alimentaria.

A continuación, aprovecharon el aprendizaje automático para probar los modelos creados mediante quimiometría. «Enseñamos el modelo para identificar semillas de alta y baja calidad. Usamos el 70% de nuestros datos para entrenar el modelo y el 30% restante para la validación», dijo Silva. La precisión de la clasificación de la calidad osciló entre el 86% y el 95% en el caso de las semillas de tomate y entre el 88% y el 97% en el caso de las semillas de zanahoria.

Las dos técnicas principales fueron precisas y ahorraron tiempo, dada la velocidad de captura de imágenes. El instrumento de fluorescencia de clorofila capturó una imagen por segundo, mientras que el analizador de imágenes multiespectrales procesó 19 imágenes en cinco segundos.

Resultados inesperados

Un resultado inesperado producido en el transcurso del proyecto resultó muy importante. La fluorescencia de la clorofila y las imágenes multiespectrales también son técnicas eficientes para la selección de variedades de plantas, una parte esencial de la evaluación de lotes de semillas para evitar pérdidas económicas. «Los productores compran semillas con la expectativa de un cierto rendimiento de cultivo, pero la producción se verá afectada si las semillas con diferentes características genéticas no se separan adecuadamente», dijo Silva.

Actualmente, el cribado lo realizan analistas capacitados en las habilidades necesarias para clasificar las semillas por color, forma y tamaño, así como por marcadores moleculares cuando sea posible. En el estudio, ambas técnicas demostraron ser eficaces para separar las variedades de zanahoria, pero las imágenes multiespectrales no fueron satisfactorias en el caso de las variedades de tomate.

«El estudio produjo resultados novedosos con respecto al uso de fluorescencia para cribar variedades», dijo Silva. «No encontramos ninguna investigación previa en la que se haya utilizado la fluorescencia para este propósito. Algunos estudios muestran que las imágenes multiespectrales son eficientes para este propósito, pero no con el instrumento que usamos».

Compartir instrumentos

Una buena forma de transferir el conocimiento producido por la investigación al sector productivo, dijo Silva, sería hacer que las empresas desarrollen los equipos para venderlos a los productores de semillas. «Sería posible utilizar los resultados de nuestra investigación para desarrollar un instrumento que usara solo luz ultravioleta para caracterizar la calidad de la semilla de tomate y llevarla al mercado, por ejemplo», conjeturó.

Essa notícia também repercutiu nos veículos:
AgroCampana (Argentina) Agro Rural Noticias (Argentina)