A medida que la población humana aumenta y la demanda de proteínas se duplica, los cultivadores de plantas modernos deben optimizar aún más la arquitectura de las plantas de soja y el rendimiento por planta para los sistemas agrícolas modernos.
por TranSpread
Las técnicas convencionales utilizan una puntuación visual imprecisa y una laboriosa recolección manual de plantas individuales. Muchas características vegetales importantes para los sistemas agrícolas modernos son difíciles de medir con las herramientas de mejoramiento actuales, especialmente aquellas relacionadas con interacciones fisiológicas, estructurales y ambientales complejas.
Los intentos de medir con precisión estos rasgos suelen requerir tecnologías avanzadas o métodos que requieren mucha mano de obra. Debido a estos desafíos para la producción de alimentos en el futuro, el profesor asociado de la UTokyo, Wei Guo, pretende «abrir una nueva era de fenómica vegetal impulsada por inteligencia artificial (IA) para estos rasgos valiosos pero de difícil acceso».
Con este propósito en mente, su laboratorio se asoció con el Dr. Akito Kaga, investigador de soja de NARO, para diseñar un sistema de captura de imágenes y análisis de IA. Su técnica permite una medición mucho más precisa y rápida del rendimiento de una sola planta, la arquitectura de la planta y la localización de las semillas con fotografías o videos de campo fácilmente adquiridos. El estudio se publicó en la revista Plant Phenomics .
Como dice el profesor Wei Guo, «la mayoría de las aplicaciones agrícolas de inteligencia artificial que mejoran la eficiencia requieren costosas plataformas aéreas o robóticas, mientras que nuestro sistema, de mucho menor costo, podría ser utilizado por cultivadores de soja con recursos financieros muy modestos».
Tang Li, candidato a doctorado en UTokyo, desarrolló un nuevo sistema de análisis de imágenes que puede procesar y estimar automáticamente la cantidad y la distribución espacial de las semillas de soja en una planta en el campo. El sistema de análisis de imágenes de aprendizaje profundo, llamado Red de Atención a Múltiples Escalas (MSAnet), utiliza un mecanismo de atención a múltiples escalas para ayudar a contar las semillas.
Li afirma que «el aspecto más desafiante del diseño de MSANet fue detectar solo el primer plano con recursos computacionales mínimos». Después de centrar la atención en el primer plano y crear mapas de calor de distribución de semillas, se realizan varias tareas en imágenes con sobremuestreo, luego se reduce el tamaño de las imágenes, se las combina con imágenes vecinas y se aplica una función de pérdida para aumentar la confianza en las estimaciones.
Por último, se utiliza un algoritmo de densidad de núcleos para localizar y contar las semillas, con resultados más precisos que cualquier otro algoritmo existente. A continuación, se pueden generar gráficos fáciles de interpretar que muestran la distribución vertical de las semillas en plantas individuales, que los criadores pueden utilizar para evaluar una variedad de características previamente inaccesibles en nuevas variedades potenciales, o realizar análisis genéticos sobre esas características novedosas.
Los mejoradores de soja pueden utilizar esta nueva técnica para seleccionar directamente variedades superiores para sistemas agrícolas específicos o para realizar análisis genéticos para identificar las regiones genéticas del genoma de la soja que controlan la localización vertical de las semillas, la arquitectura de la planta y la altura.
Según el Dr. Kaga, «MSANet facilitará la cría para la posición de semilla más baja, una característica importante para la cosecha mecánica moderna que todo criador desea cuantificar pero que antes no era medible en un proceso de alto rendimiento».
Los criadores pueden ahora identificar rápidamente nuevas variedades potenciales con la combinación ideal de características. «Me complace ver que la distribución vertical de semillas que propusimos ha sido reconocida por el científico de mejoramiento Dr. Kaga, y espero con interés su aplicación en la producción en el mundo real», dijo Li.
Más información: Tang Li et al, Red de atención multiescala para la distribución vertical de semillas en campos de cultivo de soja, Plant Phenomics (2024). DOI: 10.34133/plantphenomics.0260
