Desenvolvimento de uma plataforma de inteligência artificial para fenotipagem, predição e seleção precoce de genótipos RB de cana-de-açúcar

Descrição

O melhoramento genético da cana-de-açúcar depende de avaliações contínuas de genótipos RB, visando ao desenvolvimento de cultivares mais produtivas, sadias e adaptadas a diferentes condições de cultivo. Em cada etapa, são gerados dados agronômicos, tecnológicos, ambientais e imagens obtidas por drones e sensores, que precisam ser organizados e transformados em informação útil para a seleção. Este projeto propõe o desenvolvimento de uma plataforma de inteligência artificial para fenotipagem, predição e seleção precoce de genótipos RB de cana-de-açúcar. A proposta será executada no PMGCA/RIDESA/CECA/UFAL por meio de quatro planos de trabalho complementares: avaliação de estresse hídrico por imagens de drone e inteligência artificial; identificação varietal de genótipos RB por dados fenotípicos, imagens e modelos computacionais; diagnose de ferrugem por imagens digitais e aprendizado de máquina; e desenvolvimento de painel integrado para visualização dos resultados dessas três atividades. A metodologia envolverá organização e padronização dos bancos de dados, processamento de imagens, extração de índices e características associadas ao vigor, sanidade e diferenciação varietal, treinamento de modelos estatísticos e de aprendizado de máquina e construção de relatórios e painéis interativos. Espera-se entregar um protótipo tecnológico inicial capaz de automatizar análises, reduzir erros, gerar indicadores e apoiar a classificação, o ranqueamento e a seleção de genótipos promissores, contribuindo para maior precisão, segurança e agilidade no melhoramento genético da cana-de-açúcar.