Método de fitopatometria utilizando processamento de imagens e Inteligência Artificial para detecção e quantificação de sintomas e sinais de Ferrugem Asiática da Soja aplicado ao melhoramento genético
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFU |
Texto Completo: | https://repositorio.ufu.br/handle/123456789/36638 http://doi.org/10.14393/ufu.te.2022.5043 |
Resumo: | Soybeans are one of the most important crops in the world, with Brazil being one of the main players with its grain production and exports. Due to the increasing global demand for soybeans, a continuous increase in production is required, which could be affected by diseases such as Asian Soybean Rust (ASR) caused by the fungus Phakopsora pachyrhizi. Because of the diversity of races of the fungus and its several virulence causing genes, the process of genetic improvement focusing on resistance to ASR must be constant and applied in conjunction with chemical control and management techniques. The process of genetic breeding uses the severity of infection symptoms to identify resistant genotypes and is traditionally performed by the geneticist in the field in a visual manner. In this study, we propose a method for detecting and quantifying ASR symptoms using images that can be applied to the selection of genotypes with resistance levels. To develop the method, the work begins with a systematic review of the subject of study Artificial Intelligence and Image Processing, using the collected data to propose an exploratory study to understand the detection of image rust symptoms and develop an algorithm. The algorithm was validated against other existing methods, showing a correlation greater than 0.9, and software was developed to perform the quantification. An experiment was proposed to develop the method, focusing on understanding the effects of fungicides, the form of leaf collecting, and the form of image acquisition. The method and software were applied to the selection of genotypes from a population. In addition, another step of the work proposed the use of a convolutional neural network for classifying multiple pathogens in leaf areas. |
id |
UFU_6ce7eaf0407c371de1ea0dbe223eebee |
---|---|
oai_identifier_str |
oai:repositorio.ufu.br:123456789/36638 |
network_acronym_str |
UFU |
network_name_str |
Repositório Institucional da UFU |
repository_id_str |
|
spelling |
Método de fitopatometria utilizando processamento de imagens e Inteligência Artificial para detecção e quantificação de sintomas e sinais de Ferrugem Asiática da Soja aplicado ao melhoramento genéticoPhytopathometry method using image processing and Artificial Intelligence for detecting and quantifying symptoms and signs of Asian Soybean Rust applied to genetic breedingFerrugem Asiática da SojaAsian Soybean RustFenotipagem por ImagemImage PhenotypingFitopatometriaPhytopathometryProcessamento de ImagemImage ProcessingMelhoramento GenéticoGenetic BreedingCNPQ::CIENCIAS BIOLOGICAS::GENETICA::GENETICA VEGETALCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOCNPQ::CIENCIAS BIOLOGICAS::BIOQUIMICACNPQ::CIENCIAS AGRARIAS::AGRONOMIA::FITOSSANIDADE::FITOPATOLOGIAGenéticaFerrugem asiáticaSoja - Melhoramento genéticoProcessamento de imagensSoybeans are one of the most important crops in the world, with Brazil being one of the main players with its grain production and exports. Due to the increasing global demand for soybeans, a continuous increase in production is required, which could be affected by diseases such as Asian Soybean Rust (ASR) caused by the fungus Phakopsora pachyrhizi. Because of the diversity of races of the fungus and its several virulence causing genes, the process of genetic improvement focusing on resistance to ASR must be constant and applied in conjunction with chemical control and management techniques. The process of genetic breeding uses the severity of infection symptoms to identify resistant genotypes and is traditionally performed by the geneticist in the field in a visual manner. In this study, we propose a method for detecting and quantifying ASR symptoms using images that can be applied to the selection of genotypes with resistance levels. To develop the method, the work begins with a systematic review of the subject of study Artificial Intelligence and Image Processing, using the collected data to propose an exploratory study to understand the detection of image rust symptoms and develop an algorithm. The algorithm was validated against other existing methods, showing a correlation greater than 0.9, and software was developed to perform the quantification. An experiment was proposed to develop the method, focusing on understanding the effects of fungicides, the form of leaf collecting, and the form of image acquisition. The method and software were applied to the selection of genotypes from a population. In addition, another step of the work proposed the use of a convolutional neural network for classifying multiple pathogens in leaf areas.CNPq - Conselho Nacional de Desenvolvimento Científico e TecnológicoUFU - Universidade Federal de UberlândiaTese (Doutorado)A soja está entre as principais culturas do mundo, tendo o Brasil como um dos protagonistas em sua produção e exportação. Devido à crescente demanda mundial pelos grãos de soja, necessita-se de um aumento recorrente na produção, que pode ser prejudicado pela infecção por doenças, como a ferrugem asiática da soja (FAS), causada pelo fungo Phakopsora pachyrhizi. A resistência à ferrugem asiática é poligênica, tendo genes de resistência já listados na literatura, entretanto, devido à diversidade de raças do fungo e seus diversos genes causadores de virulência, o processo de melhoramento genético com o foco de resistência à ferrugem asiática deve ser constante e aplicado de forma conjunta com o controle químico e técnicas de manejo. O processo de melhoramento genético utiliza a severidade dos sintomas da infecção para identificação de genótipos resistentes e é tradicionalmente feito de forma visual pelo melhorista em campo. O presente estudo propõe um método que pode ser aplicado na seleção de genótipos com níveis de resistência, para a detecção e quantificação de sintomas de FAS. Para a construção do método, o trabalho se inicia por uma revisão sistemática sobre o objeto de estudo Inteligência Artificial e Processamento de Imagens, utilizando os dados coletados para propor um estudo exploratório para compreender a detecção dos sintomas de ferrugem de imagem e propor um algoritmo. O algoritmo foi validado em relação a outros métodos já existentes, mostrando uma correlação maior que 0,9 e um software foi criado para executar a quantificação. Foi proposto um experimento para a criação do método com o foco em compreender o efeito de fungicida, forma de coleta de folíolos e forma de captura de imagem. O método e o software foram aplicados na seleção de genótipos de uma população. Além disso, como etapa adicional do trabalho, foi proposto o uso de uma Rede Neural Convolucional para a classificação de múltiplos patógenos em regiões do folíolo.Universidade Federal de UberlândiaBrasilPrograma de Pós-graduação em Genética e BioquímicaNogueira, Ana Paula Oliveirahttp://lattes.cnpq.br/0999266992389089Juliatti, Fernando Cezarhttp://lattes.cnpq.br/3748948527712591Hirose, Edsonhttp://lattes.cnpq.br/7892692886810778Juliatti, Breno Cezar Marinhohttp://lattes.cnpq.br/1790577201283905Borges, Díbio Leandrohttp://lattes.cnpq.br/1808368824068028Hamawaki, Osvaldo Toshiyukihttp://lattes.cnpq.br/9968435526825444Silva, Diego Alves da2022-12-28T14:28:07Z2022-12-28T14:28:07Z2022-12-07info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfSILVA, Diego Alves da. Método de fitopatometria utilizando processamento de imagens e Inteligência Artificial para detecção e quantificação de sintomas e sinais de Ferrugem Asiática da Soja aplicado ao melhoramento genético. 2022. 146 f. Tese (Doutorado em Genética e Bioquímica) - Universidade Federal de Uberlândia, Uberlândia, 2022. DOI http://doi.org/10.14393/ufu.te.2022.5043https://repositorio.ufu.br/handle/123456789/36638http://doi.org/10.14393/ufu.te.2022.5043porAttribution-NonCommercial-NoDerivs 3.0 United Stateshttp://creativecommons.org/licenses/by-nc-nd/3.0/us/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFU2023-01-17T14:36:06Zoai:repositorio.ufu.br:123456789/36638Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2023-01-17T14:36:06Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false |
dc.title.none.fl_str_mv |
Método de fitopatometria utilizando processamento de imagens e Inteligência Artificial para detecção e quantificação de sintomas e sinais de Ferrugem Asiática da Soja aplicado ao melhoramento genético Phytopathometry method using image processing and Artificial Intelligence for detecting and quantifying symptoms and signs of Asian Soybean Rust applied to genetic breeding |
title |
Método de fitopatometria utilizando processamento de imagens e Inteligência Artificial para detecção e quantificação de sintomas e sinais de Ferrugem Asiática da Soja aplicado ao melhoramento genético |
spellingShingle |
Método de fitopatometria utilizando processamento de imagens e Inteligência Artificial para detecção e quantificação de sintomas e sinais de Ferrugem Asiática da Soja aplicado ao melhoramento genético Silva, Diego Alves da Ferrugem Asiática da Soja Asian Soybean Rust Fenotipagem por Imagem Image Phenotyping Fitopatometria Phytopathometry Processamento de Imagem Image Processing Melhoramento Genético Genetic Breeding CNPQ::CIENCIAS BIOLOGICAS::GENETICA::GENETICA VEGETAL CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO CNPQ::CIENCIAS BIOLOGICAS::BIOQUIMICA CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::FITOSSANIDADE::FITOPATOLOGIA Genética Ferrugem asiática Soja - Melhoramento genético Processamento de imagens |
title_short |
Método de fitopatometria utilizando processamento de imagens e Inteligência Artificial para detecção e quantificação de sintomas e sinais de Ferrugem Asiática da Soja aplicado ao melhoramento genético |
title_full |
Método de fitopatometria utilizando processamento de imagens e Inteligência Artificial para detecção e quantificação de sintomas e sinais de Ferrugem Asiática da Soja aplicado ao melhoramento genético |
title_fullStr |
Método de fitopatometria utilizando processamento de imagens e Inteligência Artificial para detecção e quantificação de sintomas e sinais de Ferrugem Asiática da Soja aplicado ao melhoramento genético |
title_full_unstemmed |
Método de fitopatometria utilizando processamento de imagens e Inteligência Artificial para detecção e quantificação de sintomas e sinais de Ferrugem Asiática da Soja aplicado ao melhoramento genético |
title_sort |
Método de fitopatometria utilizando processamento de imagens e Inteligência Artificial para detecção e quantificação de sintomas e sinais de Ferrugem Asiática da Soja aplicado ao melhoramento genético |
author |
Silva, Diego Alves da |
author_facet |
Silva, Diego Alves da |
author_role |
author |
dc.contributor.none.fl_str_mv |
Nogueira, Ana Paula Oliveira http://lattes.cnpq.br/0999266992389089 Juliatti, Fernando Cezar http://lattes.cnpq.br/3748948527712591 Hirose, Edson http://lattes.cnpq.br/7892692886810778 Juliatti, Breno Cezar Marinho http://lattes.cnpq.br/1790577201283905 Borges, Díbio Leandro http://lattes.cnpq.br/1808368824068028 Hamawaki, Osvaldo Toshiyuki http://lattes.cnpq.br/9968435526825444 |
dc.contributor.author.fl_str_mv |
Silva, Diego Alves da |
dc.subject.por.fl_str_mv |
Ferrugem Asiática da Soja Asian Soybean Rust Fenotipagem por Imagem Image Phenotyping Fitopatometria Phytopathometry Processamento de Imagem Image Processing Melhoramento Genético Genetic Breeding CNPQ::CIENCIAS BIOLOGICAS::GENETICA::GENETICA VEGETAL CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO CNPQ::CIENCIAS BIOLOGICAS::BIOQUIMICA CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::FITOSSANIDADE::FITOPATOLOGIA Genética Ferrugem asiática Soja - Melhoramento genético Processamento de imagens |
topic |
Ferrugem Asiática da Soja Asian Soybean Rust Fenotipagem por Imagem Image Phenotyping Fitopatometria Phytopathometry Processamento de Imagem Image Processing Melhoramento Genético Genetic Breeding CNPQ::CIENCIAS BIOLOGICAS::GENETICA::GENETICA VEGETAL CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO CNPQ::CIENCIAS BIOLOGICAS::BIOQUIMICA CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::FITOSSANIDADE::FITOPATOLOGIA Genética Ferrugem asiática Soja - Melhoramento genético Processamento de imagens |
description |
Soybeans are one of the most important crops in the world, with Brazil being one of the main players with its grain production and exports. Due to the increasing global demand for soybeans, a continuous increase in production is required, which could be affected by diseases such as Asian Soybean Rust (ASR) caused by the fungus Phakopsora pachyrhizi. Because of the diversity of races of the fungus and its several virulence causing genes, the process of genetic improvement focusing on resistance to ASR must be constant and applied in conjunction with chemical control and management techniques. The process of genetic breeding uses the severity of infection symptoms to identify resistant genotypes and is traditionally performed by the geneticist in the field in a visual manner. In this study, we propose a method for detecting and quantifying ASR symptoms using images that can be applied to the selection of genotypes with resistance levels. To develop the method, the work begins with a systematic review of the subject of study Artificial Intelligence and Image Processing, using the collected data to propose an exploratory study to understand the detection of image rust symptoms and develop an algorithm. The algorithm was validated against other existing methods, showing a correlation greater than 0.9, and software was developed to perform the quantification. An experiment was proposed to develop the method, focusing on understanding the effects of fungicides, the form of leaf collecting, and the form of image acquisition. The method and software were applied to the selection of genotypes from a population. In addition, another step of the work proposed the use of a convolutional neural network for classifying multiple pathogens in leaf areas. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-12-28T14:28:07Z 2022-12-28T14:28:07Z 2022-12-07 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
SILVA, Diego Alves da. Método de fitopatometria utilizando processamento de imagens e Inteligência Artificial para detecção e quantificação de sintomas e sinais de Ferrugem Asiática da Soja aplicado ao melhoramento genético. 2022. 146 f. Tese (Doutorado em Genética e Bioquímica) - Universidade Federal de Uberlândia, Uberlândia, 2022. DOI http://doi.org/10.14393/ufu.te.2022.5043 https://repositorio.ufu.br/handle/123456789/36638 http://doi.org/10.14393/ufu.te.2022.5043 |
identifier_str_mv |
SILVA, Diego Alves da. Método de fitopatometria utilizando processamento de imagens e Inteligência Artificial para detecção e quantificação de sintomas e sinais de Ferrugem Asiática da Soja aplicado ao melhoramento genético. 2022. 146 f. Tese (Doutorado em Genética e Bioquímica) - Universidade Federal de Uberlândia, Uberlândia, 2022. DOI http://doi.org/10.14393/ufu.te.2022.5043 |
url |
https://repositorio.ufu.br/handle/123456789/36638 http://doi.org/10.14393/ufu.te.2022.5043 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 United States http://creativecommons.org/licenses/by-nc-nd/3.0/us/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 United States http://creativecommons.org/licenses/by-nc-nd/3.0/us/ |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Programa de Pós-graduação em Genética e Bioquímica |
publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Programa de Pós-graduação em Genética e Bioquímica |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFU instname:Universidade Federal de Uberlândia (UFU) instacron:UFU |
instname_str |
Universidade Federal de Uberlândia (UFU) |
instacron_str |
UFU |
institution |
UFU |
reponame_str |
Repositório Institucional da UFU |
collection |
Repositório Institucional da UFU |
repository.name.fl_str_mv |
Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU) |
repository.mail.fl_str_mv |
diinf@dirbi.ufu.br |
_version_ |
1805569645057409024 |