PHYTONEMACOUNT: APLICATIVO MULTIPLATAFORMA PARA APOIO AO DIAGNÓSTICO FITONEMATOLÓGICO BASEADO EM INTELIGÊNCIA ARTIFICIAL E VISÃO COMPUTACIONAL

Descrição

Os fitonematoides do gênero Meloidogyne spp. estão entre os principais agentes responsáveis por perdas econômicas na agricultura, afetando culturas de relevância agronômica e exigindo métodos de monitoramento cada vez mais eficientes. Apesar da importância do diagnóstico laboratorial para o manejo desses organismos, a quantificação de ovos ainda depende predominantemente de análises manuais realizadas por especialistas, processo que demanda tempo e experiência, além de estar sujeita a subjetividade entre os analistas. Nesse contexto, o presente projeto propõe a expansão e consolidação do PhytoNemaCount, um aplicativo multiplataforma para diagnóstico fitonematológico automatizado, visando ampliar sua robustez computacional, acessibilidade e aplicabilidade prática em diferentes ambientes de utilização. Para isso, será utilizado um dataset composto por mais de 2.000 imagens microscópicas previamente anotadas, complementado por novas imagens obtidas em diferentes condições de aquisição. Os modelos de detecção serão desenvolvidos com base na arquitetura YOLOv8, empregando técnicas de aumento de dados, validação supervisionada e testes cegos para avaliação da capacidade de generalização. Como produto tecnológico, será desenvolvido um aplicativo multiplataforma para dispositivos móveis e desktop utilizando Flutter, capaz de realizar a detecção e a contagem automatizada de ovos de nematoides por meio de modelos de Inteligência Artificial executados localmente através de tecnologias de inferência embarcada. A validação será realizada por meio da comparação entre as contagens automatizadas e as contagens de referência realizadas por especialistas, considerando métricas relacionadas à capacidade de detecção, à precisão das contagens e ao tempo de processamento. Espera-se obter uma solução tecnológica capaz de aumentar a padronização das análises microscópicas, reduzir o tempo necessário para avaliação das amostras e contribuir para o fortalecimento da pesquisa, inovação e transformação digital aplicadas ao setor agropecuário.