Un team di ricerca del Center for Research in Agrigenomics (CRAG) ha sviluppato un metodo computerizzato automatizzato e conveniente per valutare la forma e il colore della frutta che aiuterà a incrementare l'efficienza agricola. Lo studio, pubblicato sulla rivista scientifica Plant Phenomics, è stato condotto utilizzando immagini di fragole. Tuttavia, questo algoritmo di apprendimento automatico può essere facilmente applicato ad altri frutti, come mele, pomodori e agrumi.
Il software può anche prevedere virtualmente la forma e l'aspetto del frutto, fornendo un potente strumento di simulazione per la progettazione di nuovi incroci. Il team di ricerca ha dato libero accesso al codice in modo che la comunità possa adattarlo alle proprie esigenze.
Il taglio di una fragola permette di osservare il suo modello di colorazione interno (CRAG).
Implementazione degli algoritmi di apprendimento profondo
Il team di ricerca ha fotografato circa 2.000 fragole, sia esternamente che tagliate a metà, da diverse linee di miglioramento fornite dalla società Planasa e raccolte durante a campagna 2018 a Huelva (Spagna).
"Valutare la forma di un dato oggetto, una fragola in questo caso, da una fotografia non è così semplice come può sembrare. I classici descrittori lineari [area, perimetro, altezza, larghezza] hanno alcuni limiti che portano alla perdita di informazioni rilevanti semplificando estremamente le caratteristiche morfologiche. Per valutare la forma in modo più dettagliato, abbiamo integrato questi metodi lineari con tecniche multivariate e di deep learning", ha dichiarato la prima autrice dell'articolo, Laura M. Zingaretti, che ha svolto questo lavoro come parte della sua tesi di dottorato al CRAG.
Combinando questi metodi, il team di ricerca è stato in grado di generare un software automatizzato che analizza i modelli di forma e colore estratti dalle immagini delle fragole. Lo strumento che hanno sviluppato è molto più automatizzato dei suoi predecessori, poiché richiede un intervento minimo dell'utente e un tempo di calcolo limitato, il che fornisce un modo economico e veloce per la valutazione fenomica.
Laura M. Zingaretti (al centro), Amparo Monfort (la sinistra), e Miguel Perez-Enciso (a destra) (CRAG).
Uno strumento per migliorare l'efficienza agricola
"Oltre all'analisi morfologica, il nostro strumento di deep learning è in grado di prevedere la comparsa di nuovi incroci di frutta. Questo contributo può essere molto prezioso nella prima fase dei programmi di miglioramento delle piante, in quanto permetterebbe di valutare diversi incroci senza la necessità di testarli direttamente sul campo, risparmiando tempo e risorse", ha dichiarato Miguel Perez-Enciso, ricercatore ICREA al CRAG e co-direttore dello studio.
"Questo strumento ha anche il potenziale per essere adattato per la misurazione dei tratti fenomici visivi dei frutti direttamente in campo, per l'analisi di altre caratteristiche della conformazione della pianta [foglie, fiori, radici] o per la valutazione precoce delle malattie", ha dichiarato Amparo Monfort, ricercatrice IRTA per il CRAG e co-direttore del lavoro.
Per maggiori informazioni:
IRTA
www.irta.cat
CRAG
www.cragenomica.es