0000
Sábado 06.03.2021  04:49
Usuarios

OK
Recordarme   ¿ Olvidó su clave ?
BUSQUEDA DE NOTICIAS
Texto: Fecha entre   y     Medio: Sección: Buscar

Recomendación enviada con éxito.
Cerrar
Agroalimentos
Brasil | 22-02-2021

Traducir a :   Traducir
Técnica basada en inteligencia artificial permite automatizar el análisis de semillas para uso agrícola   
Desarrollada por investigadores de la USP en Piracicaba, una metodología no invasiva facilita la identificación de simientes inmaduras o de baja calidad, sin destruir los productos o generar residuos
Agencia FAPESP ( Brasil )
Janaína Simoes. Foto: John Alan Elson. Traducción Programa INFOCIENCIA
Técnica basada en inteligencia artificial permite automatizar el análisis de semillas para uso agrícola Investigadores del Centro de Energía Nuclear en la Agricultura (Cena) y de la Escuela Superior de Agricultura Luiz de Queiroz (Esalq), ambos de la Universidad de San Pablo (USP), desarrollaron una metodología basada en inteligencia artificial que permite automatizar y tornar más eficiente el proceso de análisis de calidad de simientes, que es exigido por ley y, actualmente realizado de forma manual por analistas acreditados por el Ministerio de Agricultura, Ganadería y Abastecimiento (Mapa).

El grupo utilizó tecnologías basadas en la luz, ya utilizadas en el análisis de plantas y en áreas como la cosmética, para adquirir imágenes de las semillas. Luego, recurrió a técnicas de aprendizaje automático para automatizar el proceso de interpretación de imágenes. De esta forma, fue posible minimizar algunas de las dificultades encontradas en los procesos tradicionales. Por ejemplo, para muchas especies, la nueva tecnología se puede aplicar a todo el lote de semillas y no solo a las muestras, como se hace hoy. Además, al no ser invasivo, evita destruir los productos evaluados y generar residuos.

En la investigación, los científicos utilizaron dos tecnologías basadas en la luz para obtener las imágenes, fluorescencia de clorofila y reflectancia multiespectral, utilizando semillas de tomate y zanahoria producidas en diferentes países y épocas y sometidas a diferentes condiciones de almacenamiento. En el caso de los tomates se utilizaron los cultivares comerciales Gaúcho y Tyna, producidos en Brasil y Estados Unidos. Para las zanahorias se eligieron los cultivares Brasilia y Francine, producidos en Brasil, Italia y Chile.

La elección se basó en la importancia económica de estos alimentos, cuya demanda ya es alta a nivel mundial y sigue expandiéndose, además de las dificultades que encuentran los productores en la cosecha de semillas. Como estos cultivos no tienen uniformidad en el proceso de maduración de los frutos, y en consecuencia las semillas, los productores necesitan cosechar en parcelas, lo cual es muy caro. Sin embargo, todavía existe una gran dificultad para obtener lotes uniformes, ya que la presencia de semillas inmaduras no se detecta fácilmente por métodos visuales. Las técnicas basadas en visión artificial pueden minimizar este problema.

Los investigadores compararon los resultados obtenidos en los análisis no destructivos con los de las evaluaciones aplicadas a las semillas por métodos tradicionales: la prueba de germinación, obligatoria por ley, y la prueba de vigor. En el primero, los analistas separan muestras de semillas, las colocan a germinar en condiciones favorables de temperatura, agua y oxígeno y verifican la cantidad final de plántulas, o plantas jóvenes, normales, producidas según las reglas establecidas por el Mapa. Las pruebas de vigor son complementarias y más sofisticadas. Los más comunes se basan en la respuesta de la semilla a las condiciones de estrés y los parámetros de crecimiento de la plántula.

Además de las dificultades ya mencionadas, los métodos tradicionales requieren más tiempo. En el caso de los tomates y las zanahorias, por ejemplo, puede llevar hasta dos semanas obtener los resultados. Además, el análisis es bastante subjetivo, ya que depende de la interpretación de cada analista. “Nuestra propuesta es automatizar al máximo el proceso, utilizando fluorescencia de clorofila e imágenes multiespectrales para analizar la calidad de las semillas, superando estos cuellos de botella”, destaca Clíssia Barboza da Silva, investigadora del Cena-USP y una de las autoras del artículo Integrando herramientas de imagen óptica para una caracterización rápida y no invasiva de la calidad de la semilla: tomate (Solanum lycopersicum L.) y zanahoria (Daucus carota L.) como casos de estudio, publicado en Frontiers in Plant Science, una de las principales revistas científicas internacionales en el campo de la agricultura. También es la investigadora responsable del proyecto, apoyada por la FAPESP.

La autora principal del artículo es Patrícia Galletti, quien desarrolló la investigación durante su maestría y recibió, en 2019, el Premio al Mejor Poster en el 7 ° Congreso de Semillas de las Américas, cuando presentó resultados parciales del proyecto (leer más en: agencia.fapesp.br/32094/).

La clorofila como marcador de calidad
La clorofila está presente en la semilla, donde ayuda a proporcionar energía para el almacenamiento de nutrientes (lípidos, proteínas y carbohidratos) importantes para el desarrollo. Una vez que se cumple esta función, la clorofila se degrada. “Sin embargo, cuando la semilla no completa el proceso de maduración, la clorofila permanece sin degradar por dentro. Cuanto menos clorofila residual, más avanzada está la semilla en el proceso de maduración, más nutrientes tiene y mayor es la calidad. Si hay mucha clorofila ocurre lo contrario: la semilla aún está inmadura y tiene menos calidad”, informa.

Como explica la investigadora, la clorofila es altamente fluorescente, es decir, tiene la capacidad de emitir luz cuando se expone a radiaciones con longitudes de onda específicas. Esto se debe a que la energía de la luz que incide sobre la muestra de semillas no se utiliza por completo y parte de ella se pierde debido a la fluorescencia. El uso de luz en las longitudes de onda de la banda roja es eficaz para promover la excitación de la clorofila, que se vuelve fluorescente. Esta luz que "permanece" es luego captada por el equipo, que la convierte en una señal eléctrica y genera una imagen cuyos píxeles en tonos de gris varían del blanco al negro. Los tonos más blancos indican que las semillas tienen una mayor cantidad de clorofila, la cual emitió fluorescencia al ser sometida a luz roja. Eso significa que cuanto más inmadura esté es considerablemente mayor que no germinará.

Inteligencia artificial
La otra tecnología para la que los investigadores han desarrollado una metodología aplicable al análisis de la calidad de la semilla es la reflectancia multiespectral. Los LED del equipo emiten luz en longitudes de onda en el rango visible y no visible para el ojo humano (ultravioleta e infrarrojo cercano). Para la investigación con reflectancia para análisis de calidad, los científicos utilizaron 19 longitudes de onda. Al compararlos con los datos de evaluación de calidad realizados por métodos tradicionales, observaron que los mejores resultados se obtuvieron con infrarrojo cercano en el caso de las semillas de zanahoria y con ultravioleta en las de tomate.

Las semillas tienen proteínas, lípidos y azúcares que absorben parte de la luz emitida por los LED y reflejan otra parte. La luz reflejada es captada por el equipo, que registra la imagen. Esta se someterá a una segmentación, que consiste en la separación de las semillas del soporte donde se colocan en el equipo. En esta técnica, el soporte se convierte en píxeles de valor cero y es de color negro y la imagen de la semilla se genera en escala de grises. El valor de los píxeles que componen una semilla está relacionado con su composición química. "No solo trabajamos con un resultado de muestra promedio, somos capaces de extraer cada semilla individualmente de forma individual", destaca la investigadora.

“Cuanto mayor sea la concentración de un determinado nutriente en la semilla, menos se reflejará en una longitud de onda específica, porque tendrá más de ese nutriente absorbiendo esa luz. Cuando tiene menos nutrientes, significa que hay menos moléculas para absorber la luz, por lo que la reflectancia será mayor, pero ésta variará según el componente presente, que presenta un comportamiento diferente según la longitud de onda utilizada ”, explica. Un algoritmo puede identificar la longitud de onda que obtiene el mejor resultado. El proceso ofrece información sobre la composición química de la semilla, lo que permite inferir si es de alta o baja calidad.

En la valoración de los investigadores, llegar a la etapa de obtención de las imágenes no fue suficiente, ya que esta sigue siendo una operación que requiere la observación humana. “Luego usamos la quimiometría, un conjunto de métodos estadísticos utilizados para la clasificación de materiales de origen químico. La idea era que el equipo nos ofreciera la clasificación de calidad en base a la imagen que él mismo registraba ”, dice. Los métodos aplicados por los científicos en este estudio se utilizan ampliamente en los campos médico y alimentario.

Luego utilizaron el aprendizaje automático para probar los modelos que crearon basándose en métodos quimiométricos. “Le enseñamos al modelo qué es la semilla de alta y baja calidad. Tomamos el 70% de nuestros datos para entrenar el modelo y el 30% que quedó fuera sirvió para validación ”, comenta. Para los tomates, la identificación correcta de la calidad de la semilla osciló entre el 86% y el 95%. Para las zanahorias, del 88% al 97%.

Además del alto nivel de precisión, los investigadores señalan que ambas tecnologías aceleran la ejecución de los análisis porque es posible capturar imágenes de manera muy rápida. En el equipo de fluorescencia de clorofila, el tiempo de captura de la imagen es de un segundo. Se necesitan cinco segundos para capturar 19 imágenes en el equipo con tecnología multiespectral.

Resultados inesperados
Durante el desarrollo del proyecto, un hallazgo inesperado resultó ser muy relevante. Las tecnologías de clorofila y fluorescencia multiespectral también son útiles para el proceso de separación de cultivos. Es una operación fundamental para evaluar un lote de semillas y evitar pérdidas económicas. “El productor puede comprar muchas semillas con la esperanza de que las plantas funcionen, pero si las semillas con diferentes características genéticas no están bien separadas, la producción se verá afectada”, explica. Actualmente, esto lo hacen analistas bien capacitados para verificar los patrones que se pueden usar para hacer la separación (color, forma y tamaño de la semilla y, cuando sea posible, marcadores moleculares).

Para las zanahorias, ambas tecnologías utilizadas en la investigación demostraron ser efectivas en la separación de cultivares. Para los tomates, la tecnología multiespectral no funcionó bien, mientras que la fluorescencia mostró una buena eficacia. “Nuestro estudio trae resultados sin precedentes con respecto al uso de esta tecnología para separar cultivares. No hemos encontrado ningún registro de investigación que haya utilizado la fluorescencia para este fin”, celebra. “En cuanto a la reflectancia, existen algunos estudios que demuestran que es eficiente para la separación de cultivares, pero no con el equipo que utilizamos”, continúa.

Uso compartido
Para Barboza da Silva, una forma de transferir el conocimiento producto de la investigación al sector productivo y tener empresas desarrollando los equipos para vendérselos a los productores de semillas. “Con los resultados de nuestra investigación, sería posible desarrollar un equipamiento que use solamente luz ultravioleta para caracterizar la calidad de la semilla de tomate y lanzarla al mercado, por ejemplo”.

Los tres equipamientos utilizados en el estudio están hoy disponibles para investigadores de otras instituciones en el Cena-USP, por medio del sistema multiusuarios. El de fluorescencia específicamente fue creado para esta investigación. La fabricante detenta tecnología para análisis de planta y normatizó el equipamiento para analizar la semilla. Más informes en: www.cena.usp.br/pesquisa/emu/multiusuario7.

Para solicitar la utilización del equipamiento de análisis multiespectral acceder a: www.cena.usp.br/pesquisa/emu/multiusuario8.

Los investigadores también adquirieron un equipamiento radiológico para poder observar el interior de las semillas y confirmar la presencia o no, así como la extensión de tejidos especializados en el almacenamiento de nutrientes. Este equipamiento puede ser reservado en la dirección: www.cena.usp.br/pesquisa/emu/multiusuario9.

El estudio también contó con el apoyo de la FAPESP por medio de los proyectos: 18/03802-4, 18/03793-5, 18/01774-3, 18/24777-8 e 18/03807-6.