Campus de Curitibanos

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.