Monitoramento da germinação cumulativa de sementes de tomate usando inteligência artificial

Autores

  • Pablo Ríos Universidad Tecnológica del Uruguay (UTEC), Departamento de Mecatrónica, Logística y Biomédica Autor/a
  • Diego Quiroga Universidas Tecnológica del Uruguay (UTEC), Departamento de Mecatrónica, Logística y Biomédica Autor/a
  • Hernando Jimenez Universidad Tecnológica del Uruguay (UTEC), Departamento de Sostenibilidad Ambiental / Universidad Antonio Nariño, Grupo de Investigación REM Autor/a
  • María Laura Umpierrez Universidad Tecnológica del Uruguay (UTEC), Departamento de Sostenibilidad Ambiental Autor/a
  • María Victoria Panzl Universidad Tecnológica del Uruguay (UTEC), Departamento de Sostenibilidad Ambiental Autor/a

Palavras-chave:

Detecção de germinação, Visão computacional, Rastreamento de objetos, Rastreamento de sementes, Germinador

Resumo

O monitoramento da germinação de sementes é uma tarefa comum em atividades de pesquisa para diversas culturas sob diferentes tratamentos. Para determinar o impacto de um tratamento de sementes, é essencial conduzir ensaios de germinação, que normalmente duram cerca de dez dias. Um dos principais dados obtidos nesses ensaios são os gráficos da taxa de germinação diária. Para avaliar o estado de germinação, é necessária a observação direta em laboratório, verificando o número de sementes germinadas ao longo de cada ensaio. Essa inspeção visual requer treinamento adequado, é demorada e propensa a erros humanos. Esta proposta concentra-se em um sistema embarcado baseado em um Raspberry Pi 4, localizado dentro de um germinador, onde captura imagens periodicamente. Por meio de processamento de imagens, baseado principalmente no uso de modelos de aprendizado de máquina YOLO treinados especificamente para este fim, essas imagens são analisadas, rastreando cada bandeja e o estado de germinação de suas sementes. Além disso, propõe-se o desenvolvimento de um servidor web local com interface gráfica, permitindo que os cientistas auditem e corrijam os resultados do sistema. Este sistema transformaria essencialmente o germinador em um germinador inteligente. Este trabalho faz parte de um projeto de pesquisa que avalia o efeito dos campos magnéticos em plantações de tomate, no âmbito do grupo de pesquisa estratégica em produção agroalimentar sustentável da Universidade Tecnológica do Uruguai.

Downloads

Os dados de download ainda não estão disponíveis.

Referências

Masteling, R., Voorhoeve, L., IJsselmuiden, J. et al., 2020. DiSCount: computer vision for automated quantification of Striga seed germination. Plant Methods 16(1), Art. 60.

Geng, B., Dai, G., & Zhang, H., 2024. Accurate non-destructive testing method for potato sprouts focusing on deformable attention. INMATEH Agricultural Engineering, 72(1), 402-413.

Genze, N., Bharti, R., Grieb, M. et al., 2020. Accurate machine learning-based germination detection, prediction and quality assessment of three grain crops. Plant Methods 16(1), Art. 157.

Škrubej, U., Rozman Č., Stajnko D. 2015. Assessment of germination rate of the tomato seeds using image processing and machine learning. European Journal of Horticultural Science. 80(1), 68-75.

Wolny, S., Mazak, A., Carpella C., Geist V. and Wimmer M., 2020. Thirteen years of SysML: a systematic mapping study, Software and Systems Modeling, 19(1), 111–169.

Publicado

2025-12-05

Edição

Seção

Resumos expandidos - CINTIA

Como Citar

Monitoramento da germinação cumulativa de sementes de tomate usando inteligência artificial. (2025). LINKS Revista Internacional, 3(1). https://revista.utec.edu.uy/ojs/index.php/revistalinks/article/view/48