Por Maria Luiza De Grandi, Jornalista do periódico Ciência Rural, Santa Maria, RS, Brasil e Xiaoyan Wang, Shanxi Agricultural University, Jinzhong, China
A clorofila, responsável pela cor verde das plantas, é um pigmento vital para a fotossíntese nas plantas. Esse pigmento está relacionado ao estado nutricional do nitrogênio em diferentes estágios de crescimento das plantas e pode ser um indicador essencial no monitoramento dos nutrientes das plantas. Os métodos tradicionais de medir a clorofila consomem muito tempo e danificam as folhas e não podem ser usados em grandes áreas. Em busca de uma alternativa, pesquisadores da Shanxi Agricultural University, em Jinzhong, China, estabeleceram um modelo para detectar o teor de clorofila para folhas de milheto em diferentes estágios de crescimento, com base em dados hiperespectrais. Os resultados do estudo foram publicados no artigo “Estimativa do teor de clorofila para folhas de milheto utilizando imagens hiperespectrais e uma rede neural convolucional por atenção” no periódico Ciência Rural (vol. 50, no. 3).
Atualmente, o teor de clorofila nas plantas é medido principalmente por métodos químicos (EVANS et al., 2012; LOH et al., 2012; SCOTTER, 2011), no entanto, há um uso crescente da tecnologia de imagem hiperespectral, sendo altamente eficiente, não destrutivo e não poluente. Nesta pesquisa, foi adotado o método para folhas de milheto, forrageira de clima tropical que apresenta boa qualidade nutricional quando utilizada como alimento para aves, porcos e ruminantes. Os parâmetros característicos foram extraídos com base em informações espectrais e de imagem e a análise de correlação foi realizada com o teor de clorofila, para seleção dos parâmetros característicos. Com base nos dados de fusão dos parâmetros, a atenção-CNN (rede neural convolucional), modelo adotado pelos pesquisadores, produziu resultados mais precisos, tornando-se mais eficazes que os modelos comparados.
Imagem: Pixabay
Segundo o pesquisador Xiaoyan Wang, com base nos resultados da pesquisa, um dispositivo portátil de detecção de clorofila pode ser projetado e implantado em máquinas agrícolas no futuro, para monitoramento on-line do conteúdo de clorofila das plantas. “A CNN pode aprender e extrair autonomamente recursos locais a partir de dados, e o mecanismo de atenção pode efetivamente destacar recursos importantes”, acrescenta ele.
Referências
EVANS, T., et al. Micro-scale chlorophyll analysis and developmental expression of a cytokinin oxidase/dehydrogenase gene during leaf development and senescence. Plant Growth Regulation [online]. 2012, vol. 66, no. 1, pp. 95-99, e-ISSN: 0167-6903 [viewed 01 June 2020]. DOI: 10.1007/s10725-011-9627-5. Available from: https://link.springer.com/article/10.1007/s10725-011-9627-5
LOH, C.H., et al. Determination of Chlorophylls in Taraxacum formosanum by High-Performance Liquid Chromatography–Diode Array Detection–Mass Spectrometry and Preparation by Column Chromatography. Journal of Agricultural and Food Chemistry [online]. 2012, vol. 60, no. 24, pp. 6108-6115, e-ISSN: 1520-5118 [viewed 01 June 2020]. DOI: 10.1021/jf301422m. Available from: https://pubs.acs.org/doi/10.1021/jf301422m
XIAOYAN, W., et al. Estimativa do teor de clorofila para folhas de milheto usando imagens hiperespectrais e uma rede neural atenção-convolucional. Cienc. Rural [online]. 2020, vol. 50, n. 3, e20190731, ISSN: 0103-8478 [viewed 01 June 2020]. DOI: 10.1590/0103-8478cr20190731. Available from: http://ref.scielo.org/3kkmry
DE GRANDI, M.L. and WANG, X. Método inovador mede o teor de clorofila nas folhas de milheto [online]. SciELO em Perspectiva | Press Releases, 2020 [viewed ]. Available from: https://pressreleases.scielo.org/blog/2020/06/01/metodo-inovador-mede-o-teor-de-clorofila-nas-folhas-de-milheto/
Últimos comentários