Inteligência artificial e drones aceleram identificação de milho tolerante à seca
Tecnologia permite avaliar milhares de plantas de forma rápida e em larga escala, auxiliando o desenvolvimento de cultivares adaptadas às mudanças climáticas
Imagens do experimento de seca com plantas de milho sob diferentes bandas espectrais (comprimentos de onda do espectro luminoso) e índices de vegetação (imagens: Helcio Pereira/GCCRC)
Uma equipe do Centro de Pesquisa em Genômica Aplicada às Mudanças Climáticas (GCCRC, na sigla em inglês) desenvolveu um método que combina drones, sensores multiespectrais e inteligência artificial para identificar, em campo, plantas de milho mais tolerantes à seca. A ferramenta permite acelerar e ampliar a seleção de materiais promissores para programas de melhoramento genético, reduzindo a dependência de avaliações manuais. A expectativa é contribuir para o desenvolvimento de cultivares mais resilientes aos efeitos das mudanças climáticas.
A inovação foi descrita em artigo publicado em junho na revista Frontiers in Plant Science.
“Em vez de medir manualmente inúmeras características das plantas com réguas, balanças e outros equipamentos, como porômetro e clorofilômetro, a proposta é usar imagens para identificar rapidamente quais materiais são mais tolerantes ou mais suscetíveis à seca. Isso permite automatizar avaliações que seriam muito difíceis de realizar em larga escala no campo”, explica Helcio Pereira, que desenvolveu o estudo durante seu estágio de pós-doutorado no GCCRC – um Centro de Pesquisa Aplicada (CPA) constituído pela FAPESP e a Empresa Brasileira de Pesquisa Agropecuária (Embrapa) na Universidade Estadual de Campinas (Unicamp).
Os pesquisadores avaliaram 28 híbridos de milho (plantas resultantes do cruzamento entre duas linhagens parentais distintas) geneticamente modificados pelo GCCRC. As plantas foram cultivadas em Campinas (SP) sob duas condições experimentais: uma com irrigação e outra com restrição hídrica. Ao longo de dois anos, a equipe realizou medições agronômicas convencionais para avaliar o desempenho de cada material sob condições de seca. Foram analisadas características como produtividade, altura das plantas, peso dos grãos e tempo de florescimento, permitindo classificar previamente quais variedades eram mais tolerantes e quais eram mais suscetíveis ao estresse hídrico.
Ao mesmo tempo, um drone equipado com câmeras RGB e multiespectral realizou dezenas de voos sobre as áreas experimentais ao longo do desenvolvimento das plantas, capturando tanto imagens convencionais quanto dados na faixa do infravermelho. Com base nas imagens obtidas, os pesquisadores treinaram algoritmos de inteligência artificial para reproduzir a classificação obtida pelos métodos tradicionais. Em alguns cenários, os modelos alcançaram taxas de acerto superiores a 90%, demonstrando o potencial da tecnologia para identificar rapidamente, e em larga escala, materiais promissores para programas de melhoramento genético.
“Se a planta mantém produtividade maior em condição de estresse, isso indica maior tolerância. O modelo aprende esses padrões e depois consegue classificar novas amostras apenas usando imagens”, afirma Pereira.
Voos e câmeras
“Realizamos dezenas de voos ao longo de dois anos para testes. Ao final desse experimento, identificamos que seis voos representativos já fornecem as informações necessárias para identificar as diferenças entre os materiais”, complementa Juliana Yassitepe, pesquisadora do GCCRC e da Embrapa Agricultura Digital.
Segundo os autores, as imagens mais informativas foram obtidas em diferentes fases do desenvolvimento da cultura, incluindo períodos vegetativos, florescimento e enchimento de grãos. O estudo mostrou que a resposta das plantas à seca muda ao longo do ciclo e que avaliações distribuídas no tempo permitem capturar alterações fisiológicas importantes relacionadas ao estresse hídrico. “A resposta da planta muda durante o desenvolvimento. Então, quando usamos imagens coletadas em diferentes fases da cultura, conseguimos uma classificação mais acurada”, explica Pereira.
O estudo também mostrou que os sensores multiespectrais (dispositivos capazes de capturar imagens em diferentes faixas específicas da luz, incluindo aquelas que são invisíveis ao olho humano) são mais eficientes para detectar sinais de estresse hídrico nas plantas do que as câmeras convencionais (tipo RGB). A vantagem está na capacidade de registrar a banda do infravermelho próximo (NIR, na sigla em inglês), invisível ao olho humano, mas capaz de revelar alterações fisiológicas relacionadas à disponibilidade de água. Essa informação adicional permitiu uma classificação mais precisa das plantas quanto à tolerância à seca.
Novas metodologias
“O GCCRC atua fortemente no desenvolvimento de metodologias de avaliação. Esses modelos ajudam a ampliar a escala das análises no campo e permitem avaliar mais plantas e mais materiais usando imagens com boa confiabilidade”, afirma Yassitepe.
Segundo ela, a metodologia pode ser adaptada para outras culturas e aplicações, como a identificação de plantas resistentes a doenças. “A metodologia pode ser calibrada para diferentes objetivos. No milho, por exemplo, uma característica importante é o sincronismo entre as flores masculinas e femininas, que influencia a capacidade da planta de produzir grãos sob condições de seca. Em outras culturas, outros parâmetros podem ser mais importantes”, explica a pesquisadora.
O estudo complementa um trabalho anterior do grupo, que havia utilizado imagens aéreas para prever características agronômicas, como produtividade e altura das plantas (leia mais em: agencia.fapesp.br/53667). Desta vez, o foco foi desenvolver um sistema capaz de classificar os materiais de acordo com sua tolerância à seca.
O artigo Drought tolerance classification using unmanned aerial systems based on RGB and multispectral data pode ser lido em: frontiersin.org/journals/plant-science/articles/10.3389/fpls.2026.1853372.
Fonte Agência FAPESP - Com informações de Paula Drummond, do GCCRC.
