Pesquisadores do Centro de Pesquisa em Genômica Aplicada às Mudanças Climáticas (GCCRC) desenvolveram uma metodologia que integra drones, sensores e inteligência artificial para identificar plantas de milho mais tolerantes à seca em campo.
A ferramenta possibilita acelerar a seleção de materiais promissores para programas de melhoramento genético, reduzindo a necessidade de avaliações manuais e contribuindo para o desenvolvimento de cultivares mais resistentes às mudanças climáticas.
Segundo Helcio Pereira, autor do estudo durante seu pós-doutorado no GCCRC, a proposta utiliza imagens para identificar rapidamente materiais mais ou menos tolerantes à seca, substituindo medições manuais com instrumentos como réguas, balanças, porômetros e clorofilômetros.
Foram avaliados 28 híbridos de milho, resultantes do cruzamento de linhagens parentais distintas, cultivados em Campinas (SP) sob condições de irrigação e restrição hídrica.
Durante dois anos, a equipe realizou medições agronômicas convencionais, analisando produtividade, altura, peso dos grãos e tempo de florescimento, para classificar previamente as variedades quanto à tolerância ao estresse hídrico.
Simultaneamente, drones equipados com câmeras RGB e multiespectrais realizaram voos sobre as áreas de cultivo, capturando imagens convencionais e dados na faixa do infravermelho. Esses dados foram utilizados para treinar algoritmos de inteligência artificial que reproduzem a classificação obtida pelos métodos tradicionais.
Em alguns testes, os modelos alcançaram taxas de acerto superiores a 90%, demonstrando potencial para identificar rapidamente materiais promissores em escala.
De acordo com Pereira, plantas que mantêm maior produtividade sob estresse hídrico indicam maior tolerância. Os modelos treinados conseguem classificar novas amostras apenas com base nas imagens coletadas.
Voos e captura de imagens
Ao longo de dois anos, a equipe realizou dezenas de voos, sendo que seis voos representativos foram suficientes para obter as informações necessárias para distinguir os materiais testados.
As imagens mais informativas foram capturadas em diferentes fases do ciclo de cultivo, incluindo períodos vegetativos, de florescimento e enchimento de grãos, permitindo detectar variações fisiológicas relacionadas ao estresse hídrico.
Pereira destaca que a resposta das plantas ao estresse muda ao longo do desenvolvimento, e a coleta de imagens em diferentes fases melhora a precisão da classificação.
Sensores multiespectrais, capazes de capturar imagens em faixas específicas de luz, incluindo o infravermelho próximo (NIR), mostraram-se mais eficientes na detecção de sinais de estresse hídrico do que câmeras RGB convencionais.
A capacidade de registrar a banda do infravermelho próximo, invisível ao olho humano, permite identificar alterações fisiológicas relacionadas à disponibilidade de água, aprimorando a classificação das plantas quanto à tolerância à seca.
Novas metodologias
Segundo Juliana Yassitepe, o GCCRC desenvolve metodologias de avaliação que ampliam a escala de análise no campo, permitindo avaliar mais plantas e materiais com alta confiabilidade a partir de imagens.
Ela acrescenta que essas metodologias podem ser adaptadas para outras culturas e aplicações, como a identificação de plantas resistentes a doenças, ajustando os parâmetros de acordo com os objetivos específicos.
No caso do milho, aspectos como o sincronismo entre as flores masculinas e femininas são importantes para a produção de grãos sob seca. Em outras culturas, outros fatores podem ser mais relevantes.
Fonte: Agência Fapesp
