Análise multimodal de sementes de alface: técnicas de imagem, algoritmos de aprendizado de máquina e condicionamento fisiológico sob estresse abiótico (2024)
- Authors:
- Autor USP: TRUJILLO SAMBONI, HEIBER ANDRES - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LPV
- DOI: 10.11606/T.11.2024.tde-06122024-092659
- Subjects: ALFACE; APRENDIZADO COMPUTACIONAL; ESTRESSE; RAIOS X; SEMENTES; VISÃO COMPUTACIONAL
- Keywords: Análise de imagens
- Agências de fomento:
- Language: Português
- Abstract: Esta tese apresenta uma pesquisa abrangente sobre sementes de alface, empregando diversas técnicas de análise de dados e testes de análise de sementes. Os objetivos da pesquisa incluíram: identificar o cenário da tecnologia de sementes e análise de imagens por meio de dados bibliométricos, aplicar técnicas avançadas de análise de imagens junto com algoritmos de aprendizado de máquina para avaliar a protrusão da raiz primária, utilizar imagens hiperespectrais de sementes hidrocondicionadas e compará-las com testes convencionais de análise de sementes e sua relação com o vigor das sementes, avaliar a estrutura interna das sementes pela análise radiográfica combinada com métodos estatísticos preditivos, e investigar os efeitos do condicionamento fisiológico de sementes com GABA e hidrocondicionamento em condições de estresse hídrico e salino. A análise bibliométrica revelou uma visão abrangente das tendências em tecnologia de sementes e análise de imagens, fornecendo informações valiosas para orientar futuras investigações e contribuir para o desenvolvimento da indústria de sementes. A técnica de aprendizado de máquina aplicada ao reconhecimento de parâmetros morfológicos permitiu identificar a protrusão da raiz primária nas sementes. Os parâmetros de circularidade e solidity das sementes têm um impacto significativo na protrusão da raiz primária, especialmente nos períodos de 16 e 21 horas para os cultivares Vanda e Roxa, revelando-se uma metodologia eficiente para a avaliaçãodo vigor. O hidrocondicionamento influenciou significativamente as bandas espectrais de cada cultivar. O algoritmo Random Forest identificou bandas espectrais específicas, especialmente na faixa de 384 a 390 nm, como as mais relevantes para a previsão do estado fisiológico das sementes condicionadas. A integração de técnicas de imagem hiperespectral com algoritmos avançados de aprendizado de máquina, mostrou melhorias significativas na precisão, especificidade e sensibilidade do modelo. A análise radiográfica destacou a importância da integridade estrutural das sementes para o sucesso da germinação, mostrando que sementes intactas têm maior probabilidade de gerar plântulas normais. A análise estatística robusta revelou associações significativas entre esses fatores e a condição de germinação em ambos os cultivares, Roxa e Vanda. Tanto o GABA quanto o hidrocondicionamento mostraram-se estratégias eficazes para melhorar a tolerância das plantas de alface ao estresse hídrico e salino, promovendo melhor retenção de água, eficiência fotossintética, e equilíbrio iônico, contribuindo para um melhor desenvolvimento das plantas sob condições adversas. De tal modo, a aplicação de aprendizado de máquina para reconhecimento de parâmetros morfológicos mostrou-se útil na avaliação do vigor das sementes de alface pela protrusão da raiz primária, embora desafios de precisão ainda persistam. O hidrocondicionamento de sementes de alface pode ser identificado de forma não destrutiva e rápidacom dados hiperespectrais, mas requer reavaliação considerando diferentes genótipos e lotes. A análise radiográfica mostrou sua eficácia como procedimento complementar na avaliação do potencial fisiológico das sementes. Tanto o GABA quanto o hidrocondicionamento melhoraram a tolerância das plantas ao estresse hídrico e salino, promovendo um desenvolvimento mais robusto sob condições adversas
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2024
- Data da defesa: 20.09.2024
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
TRUJILLO SAMBONI, Heiber Andres. Análise multimodal de sementes de alface: técnicas de imagem, algoritmos de aprendizado de máquina e condicionamento fisiológico sob estresse abiótico. 2024. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11136/tde-06122024-092659/. Acesso em: 20 jan. 2026. -
APA
Trujillo Samboni, H. A. (2024). Análise multimodal de sementes de alface: técnicas de imagem, algoritmos de aprendizado de máquina e condicionamento fisiológico sob estresse abiótico (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11136/tde-06122024-092659/ -
NLM
Trujillo Samboni HA. Análise multimodal de sementes de alface: técnicas de imagem, algoritmos de aprendizado de máquina e condicionamento fisiológico sob estresse abiótico [Internet]. 2024 ;[citado 2026 jan. 20 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11136/tde-06122024-092659/ -
Vancouver
Trujillo Samboni HA. Análise multimodal de sementes de alface: técnicas de imagem, algoritmos de aprendizado de máquina e condicionamento fisiológico sob estresse abiótico [Internet]. 2024 ;[citado 2026 jan. 20 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11136/tde-06122024-092659/ - Denomination of origin ‘Café del Huila’ and dynamics of coffee growing in Colombia
- Análise radiográfica associada com o desempenho germinativo e determinação do vigor de sementes de café utilizando imagens digitalizadas de plântulas
- Agricultural research in Colombia: counterpoint with the Brazilian system
- Escala de grises de imágenes radiográficas en la evaluación del contenido de humedad en semillas de soja
- Digital and multivariate analysis of lettuce seed vigor: Impact of hydropriming on physiological potential
Informações sobre o DOI: 10.11606/T.11.2024.tde-06122024-092659 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
