Edição 28 - 09.03.22
Tecnologia desenvolvida na USP utiliza recursos ópticos e tecnologia artificial para fazer análise de sementes com mais rapidez e precisão
Por exigência do Ministério da Agricultura, Pecuária e Abastecimento (Mapa), por meio da Instrução Normativa nº 45, de 17 de setembro de 2013, as sementes de soja, assim como as de outras culturas comercializadas no País, têm que passar por um teste de germinação. Isso é feito em laboratório, num processo que demora cerca de oito dias e destrói as sementes. Além disso (e mais relevante), a avaliação é subjetiva, pois é feita por um especialista. Agora, a tecnologia está pronta para dar mais certezas, e de forma ágil, a quem as compra. Pesquisadores da Universidade de São Paulo (USP) desenvolveram um método de testagem mais rápido, preciso e não destrutivo, que usa apenas luz e inteligência artificial.
A inovação tem potencial para gerar ganhos importantes na cultura de soja. O rendimento das lavouras depende diretamente do uso de sementes de alto vigor, que garantam a germinação e o crescimento rápido e uniforme das plantas nas mais diversas condições ambientais. “Atualmente, a indústria de sementes usa testes padronizados de germinação e vigor para prever o desempenho dos lotes de mudas em campo”, diz a pesquisadora Clíssia Barboza da Silva, do Centro de Energia Nuclear na Agricultura (Cena) da USP, em Piracicaba, que coordenou o projeto que resultou na nova técnica de avaliação.
De acordo com ela, esses testes fornecem informações valiosas sobre o potencial fisiológico da semente. São basicamente dois tipos de análise: o de germinação, que é obrigatório, e o de vigor, que é facultativo, mas que muitas empresas de sementes realizam. “O primeiro é feito em condições favoráveis, com as sementes colocadas para germinar numa temperatura adequada e disponibilidade de água”, explica Clíssia. “No segundo, as sementes são submetidas a estresse, que pode ser alta temperatura ou frio intenso, para verificar como elas se comportariam em condições semelhantes no campo. Esse teste pode levar quatro dias para ser feito.”
Como eles são relativamente demorados, com resultados subjetivos que dependem de analistas especializados, com resultados difíceis de serem reproduzidos, há um grande interesse em desenvolver métodos avançados e inovadores para refiná-los ou substituí-los. No artigo “Autofluorescence-spectral imaging as an innovative method for rapid, non-destructive and reliable assessing of soybean seed quality”, publicado em setembro na revista Scientific Reports, do grupo Nature, em que divulgou os resultados do trabalho, Clíssia lembra que na indústria agrícola já há avanços nas tecnologias de imagem óptica baseadas em abordagens rápidas e não destrutivas, o que tem contribuído para aumentar a produção de alimentos para a população mundial em crescimento.
O que ela fez no seu projeto foi usar imagens espectrais de autofluorescência e algoritmos de aprendizado de máquina (inteligência artificial) para desenvolver modelos distintos para classificação de sementes de soja, com diferentes qualidades fisiológicas após envelhecimento artificial (que tem sido usado para estudar os mecanismos fisiológicos e bioquímicos associados à diminuição do vigor das sementes). Trocando em miúdos, os pesquisadores colocaram amostras de 50 a 100 sementes num equipamento dotado de LEDs, chamado Sistema VideoMeterLab (VML), que analisa características físicas, químicas, genéticas, fisiológicas e sanitárias delas, sem as destruir.
Os LEDs iluminam a amostra. Cada um deles tem um comprimento de onda (cor) específico, que vai do ultravioleta à faixa da luz visível – no caso do teste, vermelho, azul e verde –, que, ao incidir sobre as sementes, excitam determinado elemento químico delas, fazendo-o fluorescer. “Há vários componentes químicos nas sementes que se excitam com a luz, mas os mais importantes para nós são a clorofila e a lignina”, explica Clíssia. “Quando essas substâncias são iluminadas por um LED, elas emitem luz de um comprimento de onda mais longo por um breve período de tempo, o que é chamado tecnicamente de autofluorescência.”
Essa luz emitida pela semente, ou seja, a autofluorescência, é capturada por um sensor do Sistema VideoMeterLab, que o converte em um sinal elétrico, que, por sua vez, é transformado em uma imagem. “A partir dela, o software, que é integrado ao equipamento, faz a extração dos dados, que passam a ser classificados por inteligência artificial, tornando possível avaliar a qualidade das sementes”, explica Clíssia. “O resultado é dado em poucos minutos e tem uma precisão de 99%.” Em outras palavras, do ponto de vista prático, a imagem baseada em autofluorescência pode ser usada para verificar modificações nas propriedades ópticas de tecidos de sementes de soja e para discriminar de forma consistente sementes de alto e baixo vigor. Assim, pode-se classificá-las com diferentes níveis de qualidade.
De acordo com a pesquisadora, a técnica torna possível estimar a capacidade das sementes de germinarem em condições favoráveis ou de suportarem condições estressantes de campo. Além disso, ela fornece informações sobre o desempenho fotossintético inicial das plantas. Isso é possível porque as sementes com melhor qualidade fisiológica têm mais componentes fluorescentes. “Por isso, a imagem das melhores tem mais sinal de fluorescência do que as de menor qualidade”, diz a pesquisadora.
Clíssia garante que a tecnologia está pronta para ser usada comercialmente. Para isso, seria apenas necessário que alguma empresa desenvolvesse um equipamento mais simples e barato do que o VML usado por ela. O aparelho custa em torno R$ 500 mil e foi comprado na Dinamarca, com recursos da Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp). “Esse que usamos aqui no Cena é um equipamento bastante robusto, com diversos tipos de comprimento de onda e um software bastante sofisticado”, conta.
“No meu ver, não há necessidade de um aparelho com tantos recursos para testar apenas sementes de soja.” Isso porque, segundo Clíssia, durante a pesquisa ela e sua equipe perceberam que existem alguns comprimentos de onda que são mais importantes para fazer essa detecção da qualidade da semente de soja do que outros. “Então, uma empresa que trabalha somente com soja não precisa comprar esse equipamento específico”, diz. “Ela pode adquirir um outro, que possua somente aqueles comprimentos de onda necessários para o teste e softwares que sejam mais especializados para soja, que seria mais barato.”
Nada impede, no entanto, que empresas comprem o mesmo equipamento dinamarquês. “Quinhentos mil reais não é muito dinheiro para uma grande empresa”, imagina a pesquisadora. “Mas para empresas menores, eu acredito que é possível ser desenvolvido um equipamento mais barato e que vai gerar os mesmos resultados. Utilizando menor número de LEDs, softwares de menor custo. Eu vejo assim, que num futuro próximo, a partir dos resultados da nossa pesquisa, outras empresas que trabalham com robótica e engenharia podem desenvolver equipamentos que sejam de menor custo e mais direcionados especificamente para avaliação da qualidade de semente de soja.”