Sat\u00e9lites, drones, informa\u00e7\u00e3o temporal e IA trazendo mais precis\u00e3o e personaliza\u00e7\u00e3o de dados.<\/p>\n\n\n\n
A sinergia tecnol\u00f3gica entre os recursos de intelig\u00eancia artificial (IA), sensores e processamento de imagens voltados \u00e0 fenotipagem de plantas estar\u00e1 no centro da discuss\u00e3o entre pesquisadores no pr\u00f3ximo dia 3, a partir das 19 horas, no audit\u00f3rio do Conselho Regional de Engenharia e Agronomia de Mato Grosso do Sul (Crea-MS). O debate, que tem a participa\u00e7\u00e3o de L\u00facio Jorge (Embrapa), David Mojaravscki (Syngenta Seeds) e Edson Takashi (UFMS), \u00e9 o painel de abertura da 5a edi\u00e7\u00e3o do Workshop de Melhoramento Vegetal<\/a>, realizado pela Sociedade Brasileira de Melhoramento de Plantas.<\/p>\n\n\n\n Pesquisador da Embrapa (S\u00e3o Carlos-SP<\/a>) em intelig\u00eancia computacional, L\u00facio Jorge, come\u00e7a ressaltando que a \u00e1rea de fenotipagem de plantas tem muito a ganhar com o uso dessas tecnologias computacionais, como os sensores. Al\u00e9m do espectro vis\u00edvel, que j\u00e1 agrega, atualmente segundo ele, h\u00e1 o uso de IA para aferir caracter\u00edsticas n\u00e3o vis\u00edveis a olho nu. \u201cCom a miniaturiza\u00e7\u00e3o dos sensores e a redu\u00e7\u00e3o do custo, podemos embarc\u00e1-los em drones ou em rob\u00f4s terrestres, por exemplo, e extrair informa\u00e7\u00f5es detalhadas\u201d, complementa. <\/p>\n\n\n\n No caso de plantas forrageiras, foco do debate, os sensores s\u00e3o utilizados para testes de germina\u00e7\u00e3o em sementes, dando um salto na fenotipagem. Entretanto, h\u00e1 limita\u00e7\u00f5es t\u00e9cnicas que L\u00facio levar\u00e1 para o painel, como modelar as medidas dentro de diferentes per\u00edodos, como datas e regi\u00f5es. Obst\u00e1culos que a pesquisa est\u00e1 em busca de solu\u00e7\u00f5es, principalmente, \u201cneste momento da virada, como assim enxergamos, com acesso e financiamento a essas tecnologias\u201d. <\/p>\n\n\n\n Al\u00e9m dos sensores, o uso da intelig\u00eancia artificial, que tem se expandido rapidamente em diversos setores, e chegou ao melhoramento de plantas. Para o pesquisador Edson Takashi da Universidade Federal de Mato Grosso do Sul<\/a> (UFMS), \u201ca partir da combina\u00e7\u00e3o da IA com o sensoriamento remoto \u00e9 poss\u00edvel se utilizar drones, imagens de sat\u00e9lites para fazer essa coleta e estimar par\u00e2metros, o que potencializa e acelera o processo\u201d. <\/p>\n\n\n\n Takashi explica que uma etapa importante na fenotipagem \u00e9 a coleta de par\u00e2metros e caracteres das plantas, e isso normalmente \u00e9 feito a campo, uma atividade custosa e demorada, com a ado\u00e7\u00e3o de IA se facilita o m\u00e9todo, al\u00e9m de aceler\u00e1-lo levando em conta o aumento dos experimentos de fenotipagem.<\/p>\n\n\n\n \u201cA IA permite a automa\u00e7\u00e3o do processo de fenotipagem, sendo poss\u00edvel faz\u00ea-lo em escala e com redu\u00e7\u00e3o de erros. O outro ponto \u00e9 conectar com outras fontes de dados, como informa\u00e7\u00f5es gen\u00e9ticas e ambientes, proporcionando uma amplitude da intera\u00e7\u00e3o planta-ambiente\u201d, ratifica David Mojaravscki, pesquisador em IA da Syngenta Seeds<\/a>. Essa possibilidade de atuar em grandes escalas impacta n\u00e3o somente na velocidade dos estudos, como tamb\u00e9m nas oportunidades de novos insights, afirmam Mojaravscki e Takashi. <\/p>\n\n\n\n Para o futuro, os tr\u00eas cientistas, Jorge, Takashi e Mojaravscki, destacam os modelos multimodais – sat\u00e9lite, drones, informa\u00e7\u00e3o temporal, IA – trazendo mais precis\u00e3o aos dados e personaliza\u00e7\u00e3o das condi\u00e7\u00f5es. Com desafios agr\u00edcolas t\u00e3o complexos e multidisciplinares, os sensores atuam como os inputs, e o processamento e a modelagem identificam, quantificam e contabilizam os padr\u00f5es, em diversas fontes de dados, o que traz valor e enriquece o melhoramento gen\u00e9tico.<\/p>\n\n\n\n L\u00facio Andr\u00e9 de Castro Jorge, pesquisador em automa\u00e7\u00e3o e intelig\u00eancia artificial da Embrapa Instrumenta\u00e7\u00e3o (S\u00e3o Carlos-SP); David Mojaravscki, l\u00edder de Intelig\u00eancia Artificial da Syngenta Seeds, e Edson Takashi Matsubara, professor em intelig\u00eancia artificial da Universidade Federal de Mato Grosso do Sul, est\u00e3o no painel “Sinergia Tecnol\u00f3gica na Fenotipagem de Plantas: Unindo Sensores, Processamento de Imagens e Intelig\u00eancia Artificial” do Workshop de Melhoramento Vegetal.<\/p>\n\n\n\n Com realiza\u00e7\u00e3o da Sociedade Brasileira de Melhoramento de Plantas (SBMP<\/a>), o evento \u00e9 organizado pela Embrapa e Universidade Federal da Grande Dourados (UFGD<\/a>), com apoio do Servi\u00e7o Nacional de Aprendizagem Rural (Senar-MS<\/a>), da Funda\u00e7\u00e3o de Apoio ao Desenvolvimento do Ensino, Ci\u00eancia e Tecnologia do Estado de Mato Grosso do Sul (Fundect<\/a>), do Sindicato Rural de Campo Grande<\/a> e do Conselho Regional de Engenharia e Agronomia de Mato Grosso do Sul (Crea-MS<\/a>). <\/p>\n\n\n\n Hist\u00f3rico<\/strong> Em 2019, o workshop volta para a UFGD em um \u201cEncontro de Profissionais do Melhoramento Vegetal do Estado de Mato Grosso do Sul\u201d. A 4\u00aa edi\u00e7\u00e3o, em 2021, trouxe as habilidades profissionais que o melhorista de plantas precisa desenvolver. <\/p>\n\n\n\n Este ano, o comit\u00ea organizador \u00e9 formado por Mateus dos Santos (Embrapa), L\u00edvia Maria Chamma Davide (UFGD), Liliam Silvia C\u00e2ndido (UFGD) e Sanzio Carvalho Lima Barrios (Embrapa).<\/p>\n\n\n\n
O 1\u00ba Workshop foi realizado pela UFGD (Dourados-MS) em 2014, com tema \u201cContribui\u00e7\u00f5es, avan\u00e7os e perspectivas para o Cerrado Brasileiro\u201d. O segundo evento aconteceu em Campo Grande, em 2016, sob responsabilidade da Embrapa Gado de Corte abordando a \u201cBiotecnologia aplicada ao desenvolvimento de cultivares para o Cerrado Brasileiro\u201d. <\/p>\n\n\n\n