Sensoriamento remoto e uso de inteligência artificial: Um método rápido e prático para prever a resistência de tomateiros a requeima

 

A seleção de genótipos de tomate resistentes a requeima requer muitas avaliações no
campo. O uso de modelos de aprendizado de máquina para avaliar a severidade dessa
doença com base em imagens de câmeras multiespectrais a bordo de veículos aéreos não
tripulados (VANTs) pode trazer eficiência e rapidez nas avaliações. Neste trabalho,
utilizamos técnicas de sensoriamento remoto e aprendizado de máquinas para avaliar a
resistência a requeima de linhagens de tomate cultivadas em condições de campo aberto.
Setenta e seis linhagens de tomate, incluindo duas linhas resistentes e uma suscetível,
foram usadas para quantificar a severidade da requeima. O delineamento utilizado foi o
de ensaio com testemunhas intercalares, com um total de 132 parcelas experimentais. As
plantas de tomate foram inoculadas artificialmente com uma suspensão de zoósporos de
Phytophthora infestans. Imagens multiespectrais foram obtidas usando um veículo aéreo
não tripulado. Calculamos índices de vegetação (IV) usando as imagens, que foram a base
para a construção dos modelos Random Forest utilizados para prever a severidade da
doença. Duas metodologias foram usadas para prever a severidade da requeima:
Metodologia 1, que usou apenas as imagens do último dia de avaliação, e Metodologia 2,
que usou as imagens de quatro dias de avaliação. Para a Metodologia 1 e 2, coeficientes
de determinação de 0,81 e 0,93 foram obtidos para o conjunto de teste, respectivamente.
A Metodologia 2 foi usada para prever a severidade da requeima das 132 parcelas de
campo. As parcelas de tomate foram ordenadas da menor para a maior severidade
prevista. Parcelas resistentes foram classificadas nos primeiros lugares, indicando
consistência na previsão. Portanto, recomendamos a Metodologia 2 como uma forma
rápida e prática de prever a severidade da requeima em populações de melhoramento.

AUTORES
Felipe de Oliveira Dias, Domingos Sarvio Magalhães Valente, Carolina Tavares
Oliveira, Françoise Dalprá Dariva, Mariane Gonçalves Ferreira Copati e Carlos Nick

 

Para ler o artigo completo, acesse o site: https://doi.org/10.1080/01431161.2023.2192878