Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/68232
Type: | Tese |
Title: | Fenotipagem de alta eficiência pela análise computacional de imagens no melhoramento genético do tomateiro |
Other Titles: | High efficiency phenotyping by computational image analysis in genetic improvement of tomato plant |
Authors: | Sandra Eulalia Santos Faria |
First Advisor: | Alcinei Místico Azevedo |
Abstract: | O tomate (Solanum lycopersicum L.) destaca-se por sua importância no cenário agrícola e econômico, pois é a segunda hortaliça mais produzida mundialmente. Apesar do avanço biotecnológico, no melhoramento genético do tomateiro, a integração de inovações, como visão computacional e análise de imagens, mostra-se promissora para acelerar o desenvolvimento de novas cultivares. A fenotipagem tornou-se mais precisa e eficiente, ao longo da última década, graças à essa associação, possibilitando avaliações em larga escala, maior quantidade de descritores morfoagronômicos e redução de tempo, recursos humanos e financeiros. O uso de análises computacionais pode ainda facilitar a obtenção dos parâmetros genéticos, bem como facilitar as avaliações. Logo objetivou-se estabelecer metodologias, para a avaliação quantitativa e qualitativa de caracteres morfoagronômicos no tomateiro, por meio da análise computacional de imagens. Foram realizados dois experimentos: o primeiro envolveu linhagens comerciais que foram cruzadas em dialelos balanceados e conduzidas até a maturação dos frutos. Nessa etapa, foram adquiridas imagens, em diferentes fases do ciclo da cultura e realizada a coleta das sementes; o segundo experimento, F1 do primeiro, foi constituído por 10 híbridos e cinco progenitores, avaliados da forma tradicional e por meio da análise de imagens. Para a aquisição de imagens, foram obtidos vídeos no campo antes da colheita. Além disso, imagens dos frutos foram adquiridas em miniestúdios por câmeras digital e pré- processadas no software R. Foram avaliadas, em nível de genótipo, características de produção e qualidade dos frutos como formato, grupo, cor e defeitos. Foi observada correlação significativa entre os caracteres avaliados de forma tradicional e computacionalmente, mostrando que o emprego da análise de imagens, aliada à visão computacional e aprendizado profundo, é uma ferramenta eficaz na fenotipagem do tomateiro. Ademais, houve consistência na estimativa de parâmetros genéticos em comparação com a fenotipagem tradicional. Essa abordagem eficiente tem grande potencial aos programas de melhoramento genético do tomateiro, pois simplifica a tomada de decisões e automatiza a fenotipagem, reduzindo gastos de tempo, mão de obra e recursos financeiros. |
Abstract: | Tomato (Solanum lycopersicum L.) stands out for its importance in the agricultural and economic scenario, as it is the second most produced vegetable worldwide. Despite biotechnological advances in tomato plant genetic improvement, the integration of innovations, such as computer vision and image analysis, shows promise in accelerating the development of new cultivars. Phenotyping has become more accurate and efficient over the last decade, thanks to this association, enabling large-scale evaluations, a greater number of morphoagronomic descriptors and a reduction in time, human and financial resources. The use of computational analyzes can still facilitate the obtaining of genetic parameters, as well as facilitate evaluations. Therefore, the objective was to establish methodologies for the quantitative and qualitative evaluation of morphoagronomic characters in tomato plants, through computational image analysis. They were carried out two experiments: the first involved commercial lines that were crossed in balanced diallels and conducted until the fruits matured. At this stage, images were acquired at different phases of the crop cycle and seeds were collected; the second experiment, F1 of the first, was constituted of 10 hybrids and five parents, evaluated in the traditional way and through image analysis. For image acquisition, they were obtained videos in the field before harvesting. Furthermore, images of the fruits were acquired in mini-studios using digital cameras and pre-processed in the R software. They were evaluated on the genotype level, characteristics of fruit production and quality such as shape, group, color and defects. It was observed a significant correlation between the characters evaluated in the traditional and computational ways, showing that the use of image analysis, combined with computer vision and deep learning, is an effective tool in tomato plant phenotyping. Furthermore, there was consistency in the estimation of genetic parameters compared to traditional phenotyping. This efficient approach has great potential for tomato plant genetic improvement programs, as it simplifies decision-making and automates phenotyping, reducing time, labor and financial resources. |
Subject: | Inteligência computacional Tomate - Melhoramento genético Biotecnologia |
language: | por |
metadata.dc.publisher.country: | Brasil |
Publisher: | Universidade Federal de Minas Gerais |
Publisher Initials: | UFMG |
metadata.dc.publisher.department: | ICA - INSTITUTO DE CIÊNCIAS AGRÁRIAS |
metadata.dc.publisher.program: | Programa de Pós-Graduação em Produção Vegetal |
Rights: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/68232 |
Issue Date: | 15-Mar-2024 |
Appears in Collections: | Teses de Doutorado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Tese- pronta 05-05-24.pdf | 2.96 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.