Feasibility of computational vision in the genetic improvement of sweet potato root production

Abstract

O melhoramento da batata-doce é um trabalho oneroso em decorrência do grande número de características analisadas para a seleção dos melhores genótipos, fazendo-se necessária a adoção de novas tecnologias, como o uso de imagens, associadas ao processo de fenotipagem. Objetivou-se desenvolver uma metodologia para a fenotipagem da produção de raízes para o melhoramento genético de progênies de meios irmãos de batata-doce por meio da análise computacional de imagens e comparar seu desempenho com a metodologia tradicional de avaliação. Foram avaliadas 16 famílias de meios irmãos de batata-doce em delineamento de blocos casualizados com 4 repetições. Avaliou-se a nível de plantas o peso por raiz. As imagens foram adquiridas em um “estúdio” feito com mdf com uma câmera digital modelo Canon PowerShotSX400 IS, sob iluminação artificial. As avaliações foram realizadas no software R, onde para a predição do peso das raízes (em gramas) foi ajustado um modelo de regressão polinomial de segundo grau e foram obtidos os valores genéticos e ganhos esperados. Foi possível predizer o peso das raízes a nível de plantas e de parcelas, obtendo altos coeficientes de determinação entre o peso predito e observado. A visão computacional permitiu a predição do peso das raízes, mantendo o ranqueamento dos genótipos e consequentemente a similaridade entre os ganhos esperados com a seleção. Assim, o uso de imagens é uma ferramenta eficiente para programas de melhoramento genético da batata-doce, auxiliando no processo de fenotipagem da cultura.