Banca de DEFESA: MATEUS RIBEIRO PIZA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: MATEUS RIBEIRO PIZA
DATA: 27/07/2026
HORA: 08:00
LOCAL: DBI - 02
TÍTULO:

HIGH-THROUGHPUT PHENOTYPING FOR SOYBEAN PHENOTYPIC PLASTICITY MODELING AND YIELD COMPONENT ANALYSIS

PALAVRAS-CHAVES:

Glycine max (L.) Merr.; Densidade de semeadura; Janela de plantio; Fenômica; Aprendizado de máquina; Segmentação.

PÁGINAS: 77
GRANDE ÁREA: Ciências Agrárias
ÁREA: Agronomia
SUBÁREA: Fitotecnia
ESPECIALIDADE: Melhoramento Vegetal
RESUMO:

A soja destaca-se entre as principais culturas agrícolas mundiais, com elevada importância econômica e estratégica para a segurança alimentar, produção de proteína vegetal, óleo e biocombustíveis. O aumento da demanda global por grãos exige avanços contínuos nos programas de melhoramento genético, especialmente no desenvolvimento de cultivares mais produtivas, estáveis e adaptadas a diferentes condições ambientais e de manejo. Nesse contexto, a compreensão da interação genótipo × ambiente e da plasticidade fenotípica torna-se essencial para aprimorar a seleção e o posicionamento de genótipos de soja. A fenotipagem de alto rendimento, associada ao uso de imagens RGB, aeronaves remotamente pilotadas (ARPs), visão computacional e aprendizado de máquina, apresenta-se como uma alternativa promissora para aportar na avaliação destes fatores. Diante do exposto, objetivou-se: i) avaliar a eficiência de técnicas de fenotipagem de alto rendimento na caracterização de linhagens de soja comerciais e do programa de melhoramento da UFLA, com foco em componentes associados à plasticidade fenotípica sob diferentes densidades de plantas e épocas de semeadura; ii) comparar diferentes abordagens de anotação utilizada por modelos de aprendizado profundo para a quantificação precisa do número de sementes produzidas por plantas de soja. Foram avaliadas cultivares comerciais e linhagens de soja em diferentes densidades populacionais e janelas de semeadura, com o objetivo de caracterizar a plasticidade fenotípica e estimar componentes produtivos por meio de informações obtidas por imagens RGB coletadas por uma ARP. Também foram fenotipadas vagens destacadas de soja em ambiente controlado, para a contagem do número de grãos com o modelo de aprendizado profundo YOLOv8, utilizando as estratégias de anotação caixas delimitadoras, segmentação de instâncias e pontos-chave. Os resultados indicaram que a época de semeadura exerceu influência significativa sobre a produtividade de grãos, principalmente quando realizada após a janela recomendada, condição que reduziu expressivamente o rendimento. Por outro lado, a densidade de plantas não apresentou efeito significativo sobre a produtividade, evidenciando a capacidade compensatória da cultura. As imagens obtidas por drone permitiram acompanhar a dinâmica de crescimento das plantas e extração de variáveis úteis para a predição de número de grãos por planta (NG). Entre os modelos de aprendizado de máquina avaliados, o XGBoost apresentou o melhor desempenho para estimar NG. Os resultados reforçam o potencial da fenotipagem aérea baseada em imagens RGB como ferramenta auxiliar na seleção de genótipos mais adaptados e no estudo da plasticidade fenotípica em soja. Para a fenotipagem de vagens de soja via Deep Learning, as três abordagens estudadas apresentaram elevada capacidade de detecção e forte concordância com as contagens manuais de vagens e grãos. A estratégia baseada em caixas delimitadoras apresentou a melhor relação entre acurácia, simplicidade de anotação e eficiência computacional. De modo geral, os resultados demonstram que a integração entre fenotipagem de alto rendimento, imagens RGB e aprendizado de máquina constitui uma abordagem eficiente para ampliar a precisão, a escala e a rapidez da caracterização fenotípica da soja, contribuindo para o desenvolvimento de metodologias mais ágeis e precisas para seleção, recomendação e posicionamento de genótipos de soja em diferentes condições ambientais e de manejo.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

MEMBROS DA BANCA:
Externo ao Programa - ADAO FELIPE DOS SANTOS - DAG/ESAL (Membro)
Externo ao Programa - RODRIGO SILVA ALVES - DBI/ICN (Membro)
Externo à Instituição - RAFAEL RAVANELI CHAGAS - GDM (Membro)
Externo à Instituição - JULIANA ANDRADE DIAS - UFLA (Membro)
Externo à Instituição - FELIPE LOPES DA SILVA - UFV (Suplente)
Externo à Instituição - BRUNO DE ALMEIDA SOARES - GDM (Suplente)
Presidente - ADRIANO TEODORO BRUZI (Membro)