Espectroscopia no infravermelho próximo e imagens multiespectrais para a classificação do potencial fisiológico de sementes de algodão

• Ano de defesa: 2024
• Autor(a) principal: Noronha, Bruno Gomes de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; Fitotecnia
• Palavras-chave em Português: Algodão - Semente - Qualidade; Germinação; Sementes - Fisiologia; Imagens multiespectrais; Espectroscopia de inframermelho; Aprendizado do computador; CIENCIAS AGRARIAS::AGRONOMIA::FITOTECNIA
• Link de acesso: https://locus.ufv.br/handle/123456789/34567; https://doi.org/10.47328/ufvbbt.2025.154

A cultura do algodão tem grande importância mundial, e a qualidade das sementes é um fator crítico para o sucesso das lavouras. Métodos rápidos e não destrutivos para avaliação do potencial fisiológico das sementes são essenciais para o controle de qualidade nas empresas. Assim, este trabalho teve como objetivo avaliar a eficiência da espectroscopia no infravermelho próximo (NIR) e de imagens multiespectrais, associadas a modelos de aprendizado supervisionado, para a predição e classificação da qualidade fisiológica de sementes de algodão. Foram utilizadas sementes de um lote comercial, que foram envelhecidas artificialmente a 41 ºC e 100% de umidade relativa (UR) por 0, 48 e 96 horas. As sementes de cada tratamento foram submetidas aos testes de germinação, emergência, comprimento de plântulas e condutividade elétrica, sendo então categorizadas em alto vigor (controle), médio vigor (48 horas) e baixo vigor (96 horas), com base nos resultados desses testes.No primeiro ensaio, o objetivo foi avaliar a eficiência da espectroscopia no infravermelho próximo para a classificação do potencial fisiológico de sementes de algodão. Foram obtidos espectros NIR a partir das sementes individuais, totalizando 100 leituras para cada amostra. Os espectros foram processados utilizando diferentes métodos de pré-processamento, incluindo normalização, suavização e remoção de ruído. Em seguida, foram desenvolvidos modelos utilizando a Análise Discriminante por Mínimos Quadrados Parciais (PLS- DA). O modelo PLS-DA apresentou resultados promissores, com acurácia e kappa de 100% na fase de treinamento e de 95% e 93% na fase de teste, respectivamente. Os resultados confirmam que a espectroscopia NIR é uma ferramenta eficaz para classificar o potencial fisiológico das sementes de algodão, podendo ser incorporada como uma etapa rápida e complementar ao processo de controle de qualidade. No segundo ensaio, o objetivo foi investigar a viabilidade do uso de imagens multiespectrais na classificação da qualidade de sementes de algodão, utilizando algoritmos de inteligência artificial como ferramenta para otimizar o controle de qualidade. Para isso, foi desenvolvido um protótipo de baixo custo (Chroma Seeds) para aquisição de imagens multiespectrais. As imagens, capturadas em comprimentos de onda específicos (395–940 nm), foram processadas no software ImageJ® para obter dados de reflectância. Modelos preditivos foram desenvolvidos utilizando o software Orange Data Mining e algoritmos de classificação supervisionada, como Tree, Random Forest, Gradient Boosting, Support Vector Machine (SVM) e Neural Network. Os modelos de rede neural e SVM foram eficientes, com acurácia de 100% e kappa de 99% na fase de teste, confirmando a eficácia da abordagem baseada em imagens multiespectrais na classificação do potencial fisiológico das sementes. Os resultados obtidos nos dois estudos demonstram que tanto a espectroscopia NIR quanto a análise de imagens multiespectrais são ferramentas eficazes para classificar lotes de sementes de algodão quanto ao potencial fisiológico, podendo ser integradas em programas de controle de qualidade para otimizar o processo de seleção de sementes. Palavras-chave: Espectroscopia NIR; Vigor de sementes; Deterioração; Imagens Multiespectrais; Aprendizado de Máquina.