Espectroscopia no infravermelho próximo e análise de imagens multiespectrais para classificação de sementes de crambe quanto ao potencial fisiológico

• Ano de defesa: 2024
• Autor(a) principal: Costa, Ana Lucia Aranha da
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; Fitotecnia
• Palavras-chave em Português: Crambe abyssinica - Semente; Sementes - Testes; Análise espectral; Espectroscopia de infravermelho; CIENCIAS AGRARIAS::AGRONOMIA::FITOTECNIA::PRODUCAO E BENEFICIAMENTO DE SEMENTES
• Link de acesso: https://locus.ufv.br/handle/123456789/33174; https://doi.org/10.47328/ufvbbt.2024.764

A espectroscopia no infravermelho próximo (NIR) e a análise de imagens multiespectrais (MSI) surgem como ferramentas promissoras para economizar tempo e recursos na indústria e nos laboratórios de análise de sementes, por permitirem a rápida pré-seleção de lotes de sementes, além de não necessitarem do uso de reagentes químicos para obtenção de seus resultados. As aplicações das técnicas NIR e MSI permitem discriminar os níveis de potencial fisiológico dos lotes de sementes de maneira rápida e precisa. O objetivo deste trabalho foi investigar a viabilidade de utilização do NIR e de um protótipo UV-VIS-NIR, utilizado para obtenção de imagens multiespectrais, em associação com os testes fisiológicos tradicionais, para classificar lotes de sementes de crambe quanto ao seu potencial fisiológico. Para classificação física e fisiológica das sementes de crambe, foram utilizados 12 lotes, sendo quatro linhagens e três lotes de cada. As sementes foram avaliadas por meio do teste de raios X e dos testes de germinação e crescimento de plântulas. No primeiro experimento, foram obtidos espectros NIR das amostras de sementes, com total de 12 leituras por lote. Os espectros originais das amostras de sementes foram pré-processados por meio de diferentes técnicas, sendo elas: Standard Normal Variate (SNV); 1ª derivada; 2ª derivada; 1ª e 2ª derivada de Savitzky-Golay (SG), além das combinações entre SNV e 1ª e 2ª derivada. Os lotes foram segmentados em duas classes, com base no potencial fisiológico: igual ou acima de 85% de germinação (maior potencial fisiológico) e abaixo de 85% de germinação (menor potencial fisiológico). Fez-se o uso dos espectros pré- processados para construção do modelo de classificação por meio do método Partial Least Squares – Discriminant Analysis (PLS-DA), sendo que o melhor modelo foi obtido com os espectros pré-processados pela técnica da 1ª derivada de SG. No segundo experimento, utilizando o protótipo UV-VIS-NIR, foram capturadas imagens multiespectrais de oito repetições de 25 sementes para cada um dos 12 lotes avaliados. As imagens foram obtidas nos comprimentos de onda de 395, 460, 520, 585, 620, 740, 850 e 940 nm, totalizando 768 imagens. Posteriormente, foi feito a extração dos valores de pixel da área segmentada de cada semente nas imagens multiespectrais com auxílio do software ImageJ. Os dados obtidos a partir das imagens foram convertidos em reflectância e os espectros originais foram submetidos aos métodos de pré- processamento: Standard Normal Variate (SNV); Multiplicative Scatter Correction (MSC); 2ª derivada; e 1ª derivada de Savitzky-Golay (SG). As sementes de cada lote foram segmentadas em duas classes, assim como no primeiro experimento: igual ou acima de 85% de germinação (maior potencial fisiológico) e abaixo de 85% de germinação (menor potencial fisiológico). Os espectros pré-processados foram utilizados para a construção de modelos de classificação por meio do método Random Forest (RF). Foi possível observar que dos 238 espectros utilizados para validação do modelo de imagens multiespectrais, 195 espectros foram alocados corretamente em suas classes de acordo com seu maior e menor potencial fisiológico. No primeiro experimento, o modelo PLS-DA obtido a partir dos espectros pré-processados por meio da 1ª derivada de SG apresentou 0,96 de acurácia e 0,92 de coeficiente Kappa, para os dados de validação, com quatro regiões (I: 1300 – 1400 nm; II: 1800 – 1900 nm; III: 2000 – 2100 nm, IV: 2250 – 2300 nm) sendo as mais importantes para distinguir as classes de potencial fisiológico das sementes de crambe. Já no segundo experimento, o modelo RF obtido a partir dos espectros pré- processados por meio da técnica MSC apresentou 0,81 de acurácia e 0,62 de coeficiente Kappa, para os dados de validação, sendo os comprimentos de onda: I: 385 nm; II: 740 nm; III: 850 nm; IV: 940 nm, os mais importantes para separação das classes de sementes de crambe com base no seu potencial fisiológico. Conclui-se que a espectroscopia NIR e a análise de imagens multiespectrais são ferramentas promissoras para serem utilizadas para classificação de lotes de sementes de crambe quanto ao potencial fisiológico. Palavras-chave: crambe abyssinica hochst. ex re fr. ; nir. ; quimiometria. ; reflectância. ; qualidade de sementes. ; modelos de classificação.