Campus de Curitibanos

Sorry, this entry is only available in Brazilian Portuguese. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language.

O aluno Rafael Seils Solanha, do curso de Agronomia da UFSC – Campus Curitibanos, desenvolveu um programa de computador baseado em Inteligência Artificial para reconhecimento de pústulas da ferrugem da videira (Neophysopella tropicalis). Orientado pelos professores Dr. Guilherme Jurkevicz Delben e Dr. Leocir José Welter, Rafael utilizou o modelo Mask R-CNN e o framework Detectron2 para automatizar a análise de imagens foliares, contribuindo com a identificação de doenças e a análise de QTLs. O projeto, já registrado, tem potencial para impactar positivamente a agricultura e demais áreas das Ciências Agrárias.

O software desenvolvido tem como objetivo reconhecer pústulas foliares causadas pela ferrugem da videira (Neophysopella tropicalis), utilizando o modelo de segmentação Mask R-CNN, previamente treinado com imagens capturadas automaticamente por um equipamento especializado. A solução permite aferir de forma automática a severidade da doença, o número de pústulas e a área média afetada, oferecendo precisão e eficiência na análise de dados fitopatológicos.

Além de facilitar o diagnóstico visual, o programa permite que as imagens processadas sejam utilizadas posteriormente na análise de locos de características quantitativas (QTLs), importantes para o estudo da resistência genética da videira à ferrugem. Isso é feito por meio da correlação entre dados genotípicos e fenótipos extraídos automaticamente pelo sistema.

O programa é voltado, principalmente, à análise automatizada de discos foliares inoculados artificialmente, com tamanho padronizado, tornando possível a integração com metodologias de QTL. Futuramente, a mesma abordagem poderá ser aplicada à detecção de outras doenças da videira, como o míldio (Plasmopara viticola) e o oídio (Erysiphe necator), mediante treinamento do modelo com novas imagens.

Durante o processo de desenvolvimento, as imagens foram manualmente editadas no software livre GIMP, contornando e destacando as pústulas com cores específicas. As máscaras resultantes foram usadas para treinar o modelo Mask R-CNN, desenvolvido com o framework Detectron2, em linguagem Python. A partir desse treinamento, o sistema passou a ser capaz de identificar, de forma autônoma, as lesões nas folhas, abrindo caminho para aplicações práticas em fitopatologia digital.

Esse registro representa um importante avanço na interseção entre tecnologia e agronomia, reforçando o papel da UFSC como protagonista na inovação científica voltada ao desenvolvimento sustentável do setor agropecuário.