Pela primeira vez, cientistas usaram a combinação de imagens multiespectrais e radiográficas para analisar atributos de qualidade de sementes. A nova metodologia é baseada em inteligência artificial e permite automatizar e tornar mais eficiente o processo de análise da qualidade de sementes, obtendo resultados mais precisos, com menor índice de subjetividade e em tempo real.

A pesquisa envolveu cientistas do Centro de Energia Nuclear na Agricultura de São Paulo (Cena/USP), da Embrapa Meio Ambiente (SP) e da Universidade Técnica de Aarhus (AU), na Dinamarca. No estudo, os pesquisadores utilizaram como modelo a Jatropha curcas, oleaginosa popularmente conhecida como pinhão-manso, variedade que possui relevante importância econômica por sua aptidão na produção de biocombustíveis, alimentos e rações. Segundo os autores, a técnica utilizada pode ser adaptada e empregada a sementes de outras culturas.

De acordo com Clíssia Barboza da Silva, do Cena/USP, as maiores vantagens são, principalmente, a rapidez e a precisão. Enquanto o método convencional requer cerca de uma semana para obtenção dos resultados, a análise de imagens demanda apenas alguns segundos. A pesquisadora conta ainda que, na avaliação convencional, a análise é feita de forma visual e depende da interpretação do analista, sendo, portanto, subjetiva. Já no caso da análise de imagem, o resultado é dado de forma automatizada, garantindo maior precisão.

Silva também enfatiza o fato de o método não ser destrutivo. “Nos métodos convencionais, como o teste de germinação por exemplo, é preciso destruir a amostra para avaliação da qualidade das sementes, monitorando o seu desempenho no teste. Já na análise de imagens, as sementes permanecem intactas no fim do teste, podendo posteriormente serem utilizadas”, compara.

Isso torna possível analisar mais amostras e fornecê-las aos agricultores com maior garantia de qualidade e potencial de produtividade. Além disso, a cientista revela que o método desenvolvido não gera resíduos, já que a análise de imagens não requer o uso de reagentes especiais, sendo, portanto, ambientalmente mais sustentável.

Como funciona
As sementes foram expostas à luz sequenciada em diferentes comprimentos de onda, em ambiente integrado com sistemas de computador e sensores, para o reconhecimento dos parâmetros físico-químicos e vigor das amostras.

O pesquisador da Embrapa Gabriel Mascarin conta que as duas técnicas são complementares, pois cada uma atinge determinadas áreas das sementes. Na análise qualitativa, segundo ele, a imagem espectral é mais eficiente ao verificar a textura, os atributos físicos e químicos associados a danos por insetos, infecções fúngicas e outros. Contudo, ele explica que essa técnica apresenta limitação ao não atingir os tecidos do interior das sementes.

Já a imagem de raios X demonstrou grande potencial para coletar dados de estruturas internas, como danos no embrião e endosperma. “Os raios X são ondas eletromagnéticas curtas, que variam de 0,01 a dez nanômetros (nm), e possuem alto poder de penetração”, detalha.

O grupo testou imagens multiespectrais e de raios X em comparação com métodos analíticos convencionais. A pesquisa incluiu a aplicação de um algoritmo de aprendizagem de visão de máquina que apresentou alta precisão para prever a capacidade de as sementes produzirem plântulas normais, plântulas anormais e sementes mortas. O sistema alcançou uma acurácia superior a 96% quando foram utilizados dados de reflectância no infravermelho próximo (940 nanômetro) e classes de imagens de raios X.

Os resultados obtidos com o uso combinado das tecnologias apresentaram alta correlação com os dados gerados nos métodos analíticos tradicionais, utilizados para avaliação do potencial fisiológico de sementes, revelando ser uma técnica promissora voltada ao controle da qualidade de sementes de interesse agrícola.

A pesquisadora Silva, que liderou o projeto, informa que foram avaliados o desempenho de três lotes, utilizando métodos analíticos convencionais: testes de germinação e vigor. Ao mesmo tempo, foram realizadas análises de imagens multiespectrais e raios X das sementes de cada lote. Um método estatístico, com base em análise multivariada foi aplicado aos dados multiespectrais para identificação dos comprimentos de onda mais significativos para distinguir os lotes de sementes (780, 850, 880, 940 e 970 nanômetros).