El microscopio clásico está adquiriendo un giro moderno: investigadores estadounidenses están desarrollando un sistema de microscopio impulsado por inteligencia artificial que podría hacer que las pruebas de salud del suelo sean más rápidas, más económicas y más accesibles para agricultores y administradores de tierras de todo el mundo.
Conferencia de Goldschmidt
Investigadores de la Universidad de Texas en San Antonio (EE. UU.) han combinado con éxito la microscopía óptica de bajo coste con el aprendizaje automático para medir la presencia y cantidad de hongos en muestras de suelo . Su tecnología, en fase inicial de prueba de concepto, se presentará en la Conferencia Goldschmidt de Praga el miércoles 9 de julio.
Determinar la abundancia y diversidad de hongos del suelo puede proporcionar información valiosa sobre la salud y la fertilidad del suelo, ya que los hongos desempeñan un papel esencial en el ciclo biogeoquímico de los nutrientes, la retención de agua y el crecimiento vegetal. Con este conocimiento, los agricultores pueden optimizar la producción y la sostenibilidad de sus cultivos al tomar decisiones informadas sobre el manejo del suelo, incluyendo la aplicación de fertilizantes, el riego y la labranza.
Los microscopios ópticos son el diseño más antiguo de microscopio y se han utilizado durante mucho tiempo para descubrir e identificar organismos diminutos en el suelo. Otras formas de análisis de suelos emplean técnicas como el análisis de ácidos grasos fosfolipídicos y el análisis de ADN para detectar organismos o medir la presencia de sustancias químicas como nitrógeno, fósforo y potasio. Si bien son eficaces, estos métodos modernos tienden a ser costosos o simplemente se centran en la composición química , pasando por alto a menudo la complejidad biológica completa de los ecosistemas del suelo.
Alec Graves, de la Facultad de Ciencias de la Universidad de Texas en San Antonio, EE. UU., presenta la investigación en la Conferencia Goldschmidt esta semana. Afirmó: «Las formas actuales de análisis biológico del suelo son limitadas y requieren equipos de laboratorio costosos para medir la composición molecular o que un experto identifique los organismos visualmente con microscopios de laboratorio. Los análisis de suelo exhaustivos no son ampliamente accesibles para los agricultores y administradores de tierras, quienes necesitan comprender cómo las prácticas agrícolas impactan la salud del suelo» .
Mediante algoritmos de aprendizaje automático y un microscopio óptico, estamos creando una solución económica para el análisis de suelos que reduce la mano de obra y la experiencia requeridas, a la vez que proporciona una visión más completa de la biología del suelo.
En su fase inicial de diseño, los investigadores desarrollaron y probaron un algoritmo de aprendizaje automático para detectar biomasa fúngica en muestras de suelo, incorporándolo a un software personalizado para etiquetar imágenes microscópicas. Este se creó utilizando un conjunto de datos de miles de imágenes de hongos de suelos del centro-sur de Texas. El software funciona con aumentos totales de 100x y 400x, disponibles en muchos microscopios comerciales asequibles, incluidos los de laboratorios escolares.
«Nuestra técnica analiza un video de una muestra de suelo, lo descompone en imágenes y utiliza una red neuronal para identificar y cuantificar hongos», explica Graves. «Nuestra prueba de concepto ya puede detectar filamentos fúngicos en muestras diluidas y estimar su biomasa».
El equipo trabaja actualmente para integrar su técnica en una plataforma robótica móvil para la detección de hongos en el suelo. El sistema combinará la recolección de muestras, la microfotografía y el análisis en un solo dispositivo. Su objetivo es contar con un dispositivo completamente desarrollado y listo para su uso en los próximos dos años.
La investigación está dirigida por el profesor Saugata Datta, director del Instituto de Investigación, Sostenibilidad y Política del Agua de la UTSA. Los detalles del algoritmo de aprendizaje automático se publicarán en una revista con revisión por pares a finales de este año.
Más información: Análisis microscópico de aprendizaje automático para la evaluación biogeoquímica rápida de muestras: aplicaciones de suelos agrícolas a la exobiología. conf.goldschmidt.info/goldschm … gapp.cgi/Paper/26258
