Search

The thermoinhibition of lettuce seed germination causes important losses for producers, who do not have thermotolerant commercial cultivars. One of the obstacles has been the scarcity of optimizing techniques capable of efficiently discriminating thermotolerant and thermosensitive cultivars. The aim of this work was to evaluate the use of neural networks to discriminate different levels of thermoinhibition in lettuce seeds. Seeds of 18 cultivars were evaluated for thermoinhibition considering the characteristics of the first and last germination count and germination speed index, in seeds subjected to temperatures of 20, 25, 30 and 35 °C. The remaining seeds, which did not germinate, were subjected to the tetrazolium test. Analyses were performed immediately after seed harvesting and repeated after six months of storage. Discriminant analysis was performed and the Kohonen’s Self-Organizing Map (SOM) was created using Artificial Neural Networks (ANNs). Neural networks discriminate lettuce cultivars and organizes them in terms of seed thermoinhibition tolerance through Kohonen’s Self-Organizing Map. Discriminant analysis consistently identifies the Everglades and Luiza genotypes as tolerant to thermoinhibition. Resumo: A termoinibição causa perdas importantes para os produtores, os quais não dispõem de cultivares comerciais com sementes termotolerantes. Há escassez de técnicas otimizadoras capazes de discriminar cultivares termotolerantes e termosensíveis com eficiência. Objetivou-se avaliar o uso de redes neurais para discriminar diferentes níveis de termoinibição em sementes de alface. Foram avaliadas sementes de 18 cultivares quanto à termoinibição considerando às características de primeira e última contagem de germinação e índice de velocidade de germinação, em sementes submetidas às temperaturas de 20, 25, 30 e 35 °C. As sementes remanescentes, que não germinaram, foram submetidas ao teste de tetrazólio. As análises foram realizadas imediatamente após a colheita das sementes e repetidas após seis meses de armazenamento. Uma análise discriminante e o Mapa Auto-Organizável de Kohonen (SOM) por Redes Neurais Artificiais (RNA’s) foram realizados. As redes neurais discriminam as cultivares de alface e as organiza quanto a tolerância a termoinibição das sementes por meio do Mapa Auto-Organizável de Kohonen. A análise discriminante indentifica de maneira coerente o genótipo Everglades e Luiza como tolerantes a termoinibição.

A cultura da alface (Lactuca sativa L.) é de grande importância socioeconômica. Apresenta ciclo muito curto tornando um desafio acompanhar o crescimento. No Brasil, há vários plantios comerciais para atender grandes redes de fast foods. Esses produtores realizam o monitoramento da taxa de crescimento diariamente, de forma presencial, após o transplantio. Devido ao rápido crescimento da planta, aliado ao extenso tamanho das áreas, ocorre muito desperdício e prejuízos para o produtor. Diante disso, o objetivo deste trabalho foi monitorar e definir o ponto de colheita em alface vermelha a partir de diferentes índices de vegetação. Foram obtidas imagens por VANT que permitiram calcular o diâmetro da planta, área foliar e os índices de vegetação BI, GLI, HUE, SCI e SI. Com intuito de validar a eficiência dos diferentes índices de vegetação também foram mensurados parâmetros agronômicos no campo (diâmetro de planta, diâmetro de haste, massa verde, número de folhas e temperatura foliar). As avalições foram realizadas em 30 genótipos de alface vermelha. As médias dos parâmetros foram comparadas pelo teste Scott-Knott (p ≤ 0,05). A dissimilaridade genética foi representada por dendrograma obtido pelo método hierárquico UPGMA. Para validar a coerência entre os dados obtidos por imagem, realizou-se a correlação de Pearson. Os genótipos avaliados apresentaram alta variabilidade genética. Os índices de vegetação BI, GLI, HUE, SCI e SI apresentaram altas correlações com diâmetro de planta e área foliar obtidos por imagem. O uso da fenotipagem de alto desempenho foi capaz de monitorar e determinar o ponto de colheita em diferentes genótipos de alface vermelha tornando-se uma excelente alternativa para produtores. Lettuce (Lactuca sativa L.) is a crop of great socioeconomic importance. It has a very short lifecycle; hence, following its growth is challenging. Brazil has several commercial plantations to supply large fast-food chains. These producers monitor the growth rate daily, in person, after transplantation. Owing to the fast growth of the plant and the large sizes of the plantations, the producers face significant food losses and waste. Therefore, the objective of this study was to monitor the growth and determine the harvest point of red lettuce based on different vegetation indices. Images obtained using an unmanned aerial vehicle were used to calculate the diameter of the plant, leaf area, and vegetation indices (BI, GLI, HUE, SCI, and SI). Agronomic parameters (plant diameter, stem diameter, green mass, number of leaves, and leaf temperature) were also measured in the field to validate the effectiveness of the different vegetation indices. Measurements were performed on 30 red lettuce genotypes. The means of the parameters were compared using the Scott-Knott test (p ≤ 0.05). The genetic dissimilarity was represented using a dendrogram obtained by the UPGMA hierarchical method. Pearson’s correlation was used to validate the consistency between the data obtained from images. The evaluated genotypes presented high genetic variability. The vegetation indices (BI, GLI, HUE, SCI, and SI) highly correlated with the plant diameter and leaf area obtained from the images. High-throughput phenotyping could be used to monitor the growth and determine the harvest point of different red lettuce genotypes, and is hence an excellent tool for producers. Dissertação (Mestrado)

A cultura da alface (Lactuca Sativa L.) apresenta ciclo curto tornando um desafio a determinação do ponto ideal de colheita. A determinação do ponto de colheita é realizada de forma visual resultando em desperdício e prejuízos importantes. O uso de imagens digitais e índices de vegetação têm sido utilizados em diversas culturas para caracterizar variáveis quantitativas e qualitativas, mas de forma insipiente em alface. Objetivou-se com este trabalho avaliar diferentes índices de vegetação para predição da taxa de crescimento e ponto de colheita em alface. Foram avaliados vinte e cinco genótipos de alface verde biofortificadas. A partir de imagens capturadas durante o desenvolvimento das plantas a 1, 8, 18, 24 e 36 dias após o transplantio (DAT), calculou-se os índices de vegetação GLI, NGRDI, SI e HUE. O diâmetro e área foliar média das plantas foram mensurados com o auxílio de software QGIS. Em campo foram mensuradas a massa verde, diâmetro de planta, diâmetro de haste e número de folhas. As médias foram comparadas pelo teste Scott- knott (p ≤ 0,05) e gerados modelos de regressão linear simples visando o monitoramento da taxa de crescimento. A dissimilaridade genética foi representada por dendrograma obtido pelo método de agrupamento UPGMA e a validação entre os dados coletados no campo versus dados obtidos por imagem foi realizada por meio de correlações de Pearson. Os genótipos avaliados apresentaram dissimilaridade genética. Os índices de vegetação e as variáveis extraídas por meio das imagens foram eficientes para monitorar a taxa de crescimento e determinar o ponto de colheita em diferentes genótipos de alface. As variáveis agronômicas mensuradas no campo e os dados extraídos das imagens apresentaram alta correlação. Os índices de vegetação SI, GLI e NGRDI foram eficientes para monitorar a taxa de crescimento e determinar o ponto de colheita em diferentes genótipos de alface verde. Lettuce (Lactuca Sativa L.) culture has a short cycle. As a result, determining the ideal harvest point is challenging. Harvest point is determined visually, causing waste and important losses. Digital images and vegetation indices have been used to characterize quantitative and qualitative variables in diverse cultures; however, these indices have not been appropriately employed for lettuce. The objective of this study was to evaluate different vegetation indices to predict the growth rate and harvest point of lettuce. Twenty-five genotypes of biofortified green lettuce were evaluated. The vegetation indices GLI, NGRDI, SI, and HUE were calculated from images captured during plant development 1, 8, 18, 24, and 36 days after transplanting (DAT). The diameter and average leaf area of plants were measured using QGIS software. Green mass, plant diameter, stem diameter, and number of leaves were measured in the field. The means were compared using the Scott- Knott test (p ≤ 0.05) and simple linear regression models were generated to monitor the growth rate. Genetic dissimilarity was depicted using a dendrogram obtained by the UPGMA grouping method. Furthermore, validation between data collected in the field versus data obtained by imaging was performed using Pearson correlations. The evaluated genotypes showed genetic dissimilarity. Vegetation indices and the variables extracted through images were efficient for monitoring the growth rate and determining the harvest point for different lettuce genotypes. The agronomic variables measured in the field and the data extracted from the images had a high correlation. Overall, the vegetation indices SI, GLI, and NGRDI were efficient for monitoring the growth rate and determining the harvest point of different green lettuce genotypes. Dissertação (Mestrado)

CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior O cultivo de alface possui grande importância socioeconômica no Brasil. Por se tratar de uma hortaliça presente na alimentação, melhoristas de alface têm buscado desenvolver novas cultivares biofortificadas. Um dos entraves tem sido o alto custo das análises realizadas em laboratório aliado a demanda de tempo no campo. Objetivou-se com este trabalho a validação de técnicas por imagem a partir de Veículo Aéreo Não Tripulado (VANT) para seleção de genótipos de alface biofortificadas. O experimento foi realizado em casa de vegetação na Universidade Federal de Uberlândia no delineamento de blocos casualizados com 25 tratamentos e 4 repetições. Foram avaliados quatro diferentes índices de vegetação (NDVI, CVI, GNDVI e CIG), pigmentos foliares (clorofila a, b e total, carotenoide, luteína) e o índice Soil Plant Analysis Development (SPAD). Os dados foram submetidos à análise de variância pelo teste F (p ≤ 0,05). As médias foram comparadas pelo teste Scott-Knott (p ≤ 0,05). A dissimilaridade genética foi representada por dendrograma obtido pelo método hierárquico Unweighted Pair-Group Method using Arithmetic Avarage (UPGMA). Foi avaliada a correlação entre os índices de vegetação versus pigmentos, sendo que os diferentes índices de vegetação foram capazes de mensurar de forma indireta pigmentos foliares em germoplasma de alface verde. A correlação entre os pigmentos, SPAD e o índice NDVI foi confirmada. Germoplasma de alface com ampla variabilidade genética pode interferir nos valores de correlação. Diante disso, sugere-se que os diferentes índices de vegetação sejam analisados individualmente para cada genótipo (per se). Lettuce cultivation has great socioeconomic importance in Brazil. As it is a vegetable present in the diet, lettuce breeders have sought to develop new biofortified cultivars. One of the obstacles has been the high cost of the analyzes carried out in the laboratory, combined with the demand for time in the field. The objective of this study was the validation of imaging techniques using an Unmanned Aerial Vehicle (UAV) for the selection of biofortified lettuce genotypes. The experiment was carried out in a greenhouse at the Federal University of Uberlândia without a randomized block design with 25 treatments and 4 replications. Four different vegetation indices (NDVI, CVI, GNDVI and CIG), leaf pigments (chlorophyll a, b and total, carotenoid, lutein) and the Soil Plant Analysis Development (SPAD) index were evaluated. Data were prepared by analysis of variance using the F test (p ≤ 0.05). Means were compared using the Scott-Knott test (p ≤ 0.05). The genetic dissimilarity was represented by a dendrogram described by the hierarchical method of Unweighted Pairs-Groups Method Using the Arithmetic Mean (UPGMA). A correlation between vegetation indices versus pigments was evaluated, and the different vegetation indices were able to indirectly measure leaf pigments in green-faced germplasm. The correlation between pigments, SPAD and NDVI index was confirmed. Lettuce germplasm with wide genetic variability may interfere with correlation values. Therefore, it is suggested that the different vegetation indices be analyzed individually for each genotype (per se). Dissertação (Mestrado)