REVOLUÇÃO NA ANÁLISE DE SEMENTES: O PAPEL DA INTELIGÊNCIA ARTIFICIAL
DOI:
https://doi.org/10.28998/rca.22.18559Palabras clave:
Avaliação, Tecnologia, SanidadeResumen
A produção de sementes no Brasil é regulamentada em legislações e em tecnologias de análise que visam um alto padrão de qualidade. No entanto, cada vez mais é iminente o uso de tecnologias de inteligência artificial para a realização de atividades laborais otimizando e uniformizando processos. Neste cenário, este artigo se encarrega de descrever este novo aporte metodológico. Para tal, cabe o entendimento que existe uma necessidade de utilização de meios de avaliação de sementes não destrutivas, que demandem a utilização de componentes de baixo custo e de pouca mão de obra são os mais importantes para o futuro da análise de sementes. Além do que a proposta de modernização com o uso de Inteligência Artificial e Processamento de Imagens, reflete uma necessidade de uma grande evolução para a produção agrícola. O futuro da produção de sementes no Brasil está, portanto, ligado à adoção de tais tecnologias inovadoras, porque essas tecnologias atendem às demandas da legislação quanto porque elevam o padrão de qualidade das sementes, contribuindo assim para um sistema agrícola mais robusto e sustentável.
Descargas
Citas
Agarwal, R. L. Seed Technology. Oxford and IBH Publishing, 2018.
Alves, R. M. et al. Stored diaspores of Astronium urundeuva Fr. (M. Alemão) Engl. (Anacardiaceae) submitted to hydropriming. Journal of Seed Science, 2020, 42, e202042026. DOI: 10.1590/2317-1545v42n2a26.
Andrade, T. C. S. et al. Is the physiological potential of oilseed rape influenced by fertilization with nitrogen and sulfur? Journal of Seed Science, 2020, 42, e202042027. DOI: 10.1590/2317-1545v42n2a27.
BRASIL. Instrução para a Análise de Sementes de Espécies Florestais. Ministério da Agricultura, Pecuária e Abastecimento, Secretaria de Defesa Agropecuária, 2013.
BRASIL. Manual de Análise de Sementes. Ministério da Agricultura, Pecuária e Abastecimento, Secretaria de Defesa Agropecuária, 2009.
Benech-Arnold, R.; Sánchez, R. A.; Binswanger, M.; Saubidet, M. I. Handbook of Seed Physiology: Applications to Agriculture. CRC Press, 2004.
Carvalho, E. R.; Villela, F. A.; Toledo, M. Z. Phytotoxicity in soybean seeds treated with phytosanitary products at different application times. Journal of Seed Science, 2020, 42, e202042036. DOI: 10.1590/2317-1545v42n2a36.
Carvalho, L. B. de. Plantas Daninhas. Lages, SC: [s.n.], 2013. Disponível em: https://www.fcav.unesp.br/Home/departamentos/fitossanidade/leonardobiancodecarvalho/livro_plantasdaninhas.pdf.
Carvalho, N. M.; Nakagawa, J. Sementes: Ciência, Tecnologia e Produção. 5. ed. Jaboticabal: FUNEP, 2012.
Castan, D. O. C. et al. Vigor-S, a new system for evaluating the physiological potential of maize seeds. Scientia Agricola, 2018, 75, 2, 167–172. DOI: 10.1590/1678-4499.20180003. CORREA, A. R. et al. Germination and seed ecology of Buchenavia tomentosa Eichler (Combretaceae). Journal of Seed Science, 2020, 42. DOI: 10.1590/2317-1545v42n3a06.
Cheruku, R.; Prakash, K. SeedAI: A novel seed germination prediction system using dual stage deep learning framework. Environmental Research Communications, 2023. DOI: 10.1088/2515-7620/ad16f1.
Elbeheiry, N.; Balog, R. Technologies driving the shift to smart farming: A review. IEEE Sensors Journal, 2023, 23, 1752–1769. DOI: 10.1109/JSEN.2022.3225183.
Ferreira, A. G.; Borghetti, F. Germinação do Básico ao Aplicado. Porto Alegre: Artmed, 2004.
Filho, J. M. Seed vigor testing: An overview of the past, present, and future perspectives. Scientia Agricola, 2015, 72, 4, 363–374. DOI: 10.1590/0103-9016-2015-0007.
Hajar, A.; Balog, R.; Ahmed, K. Turning smartphone camera into a fungal infection detector for chickpea seed germination. In: Proceedings of the 2023 International Conference on Multimedia Computing, Networking and Applications (MCNA). IEEE, 2023, 27–32. DOI: 10.1109/MCNA59361.2023.10185850.
Hesami, M. et al. Modeling and optimizing in vitro seed germination of industrial hemp (Cannabis sativa L.). Industrial Crops and Products, 2021, 170. DOI: 10.1016/j.indcrop.2021.113753.
Jiang, G.-L. Comparison and application of non-destructive NIR evaluations of seed protein and oil content in soybean breeding. Agronomy, 2020, 10, 1. DOI: 10.3390/agronomy10010077.
Melo, P. et al. Evaluating seed quality using image processing and machine learning techniques. Sensors, 2019, 19, 4, 846. DOI: 10.3390/s19040846.
Peng, Q.; Wang, X.; Lin, S. Automatic monitoring system for seed germination test based on deep learning. Journal of Electrical and Computer Engineering, 2022. DOI: 10.1155/2022/4678316.
Rudnev, S. G. Principles of organization of post-harvest grain processing. In: Proceedings of the International Scientific and Practical Conference on World Science, 2017.
Saffariha, M.; Jahani, A.; Potter, D. Seed germination prediction of Salvia limbata under ecological stresses in protected areas: An artificial intelligence modeling approach. BMC Ecology, 2020, 20. DOI: 10.1186/s12898-020-00316-4.
Shadryn, D.; Wang, Y.; Chen, J. Assessment of leaf area and biomass through AI-enabled deployment. Engineering, 2023, 4. DOI: 10.3390/eng4030116.
Shorten, C.; Khoshgoftaar, T. M. A survey on image data augmentation for deep learning. Journal of Big Data, 2019, 6, 1. DOI: 10.1186/s40537-019-0197-0.
TUJO, T. et al. A predictive model to predict seed classes using machine learning. International Journal of Engineering Research and Technology, v. 6, p. 334–344, 2019.
Van Klompenburg, T.; Kassahun, A.; Catal, C. Crop yield prediction using machine learning: A systematic literature review. Computers and Electronics in Agriculture, 2020, 177, 105709. DOI: 10.1016/j.compag.2020.105709.
Wijewardana, C. et al. Soybean seed physiology, quality, and chemical composition under soil moisture stress. Food Chemistry, 2019, 278, 92–100. DOI: 10.1016/j.foodchem.2018.12.025.
Wang, H.; Zhang, X.; Chen, S. An attack detection method for self-powered sensor IoTs based on ensemble learning. IEEE Sensors Journal, 2023, 23, 20663–20671. DOI: 10.1109/JSEN.2022.3215556.
Zhang, Y.; Liu, H.; Sun, Q.; Zhu, J. An automated method for the assessment of the rice grain germination rate. PLoS ONE, 2023, 18. DOI: 10.1371/journal.pone.0279934.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2024 Thiago Costa Ferreira
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Termo de cessão de direitos autorias
Esta é uma revista de acesso livre, em que, utiliza o termo de cessão seguindo a lei nº 9.610/1998, que altera, atualiza e consolida a legislação sobre direitos autorais no Brasil.
O(s) autor(es) doravante designado(s) CEDENTE, por meio desta, cede o direito de primeira publicação da OBRA à Revista Ciência Agricola, representada pelo Centro de Ciência Agrarias da Universidade Federal de Alagoas, estabelecida na BR 104 Norte, Km 35, Rio Largo, Alagoas, CEP 57100-000 doravante designada CESSIONÁRIA, nas condições descritas a seguir:
O CEDENTE declara que é (são) autor(es) e titular(es) da propriedade dos direitos autorais da OBRA submetida.
O CEDENTE declara que a OBRA não infringe direitos autorais e/ou outros direitos de propriedade de terceiros, que a divulgação de imagens (caso as mesmas existam) foi autorizada e que assume integral responsabilidade moral e/ou patrimonial, pelo seu conteúdo, perante terceiros
O CEDENTE mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons do tipo atribuição CC-BY, para todo o conteúdo do periódico, exceto onde estiver identificado, que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista, sem fins comerciais.
O CEDENTE têm autorização para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
O CEDENTE têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal), já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
