Métodos computacionais para detecção de plasticidade vegetal em Tradescantia minima causada por agentes tóxicos

• Autor(a) principal: Gamboa, César Adolfo Grosso
• Data de Publicação: 2021
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://www.teses.usp.br/teses/disponiveis/76/76132/tde-15122021-110954/
• topic: Artificial intelligence; CNN; CNN; Inteligência artificial; Nanoparticles; Nanopartículas; Toxicidade; Toxicity

Os efeitos tóxicos causados por agentes físicos e químicos são um problema potencial de importância agrícola, desde o cloreto de sódio (NaCl) até as frequentemente muito usadas nanopartículas de prata (AgNPs). Está claro que os efeitos tóxicos do NaCl em altas concentrações podem atuar devido ao estresse hídrico pela diminuição do potencial osmótico, por outro lado também podem ser devido ao efeito tóxico dos íons. Ao contrário da salinidade, as vias metabólicas dos efeitos tóxicos causados pelas AgNPs nas plantas ainda não estão muito claras e as pesquisas ainda estão em andamento, mas há antecedentes e propostas de que podem causar diferentes tipos de danos em plantas, como citotoxicidade e genotoxicidade. Várias técnicas computacionais fizeram progressos significativos no processamento de imagens, especialmente Redes Neurais Convulcionais (CNN); podem ser muito úteis na assistência técnica para detecção automática de doenças e também em detecção de plasticidade frente a agentes tóxicos. Para gerar as imagens necessárias para o treinamento das redes neurais artificiais são realizados experimentos com temperatura, fotoperíodo e umidade constantes. Os experimentos foram divididos em dois métodos, as plantas que foram submetidas à toxicidade com NaCl foram cultivadas em substrato Carolina Soil (in vivo), e as plantas tratadas com AgNPs são cultivadas in vitro e ambos submetidos a tratamentos de toxicidade nas mesmas condições iniciais. As plantas de Tradescantia minima submetidas a experimentos de toxicidade com NaCl apresentaram menor crescimento em altas concentrações, além disso, as folhas das plantas tratadas com cloreto de sódio apresentavam sinais de desidratação (plasmólise). No caso das plantas tratadas com AgNPs, a diferença no crescimento foi menor. Os resultados das redes neurais mostraram uma capacidade relativamente elevada de detecção de plasticidade fenotípica e classificação das imagens, com média de x = 74.02%, enquanto os métodos clássicos de visão computacional (descritores de textura) apresentaram média de x = 51.40% de taxa acerto (accuracy). Enquanto os resultados obtidos com inteligência artificial por cada experimento (NaCl e AgNPs), mostraram resultados promissores: 78.00% e 92.67% de accuracy (para NaCl e AgNPs respectivamente), revelando a efetividade das redes neurais (CNN) para detectar os efeitos tóxicos e classificar as imagens microscópicas segundo a plasticidade fenotípica nas folhas. Além disso, as taxas de acerto (accuracy) dos experimentos com menor concentração de NaCl foram 88.52% (1 mM) de NaCl e 87.41% (10 mM) de NaCl; no caso dos experimentos com nanopartículas de prata as taxas de acerto dos experimentos com menor concentração foram de 97.5% (diluição 1:1000) e 97.6% (diluição 1:100) de AgNPs.