Resumo:
A maioria das espécies vegetais forma associações mutualistas entre certos
fungos de solo e suas raízes, e essas associações são denominadas micorrizas.
Destaca-se, como parte das pesquisas em Fungos Micorrízicos Arbusculares (FMAs),
a detecção da presença e a estimativa da quantidade dos esporos desses fungos, após
sua extração. A dificuldade na contagem desses esporos se dá pelo fato dela ainda
ser feita manualmente, com auxílio de microscópio (lupa) e, às vezes, com contador
digital. A contagem dos esporos exige habilidade do especialista para diferenciar os
esporos de outros elementos que permanecem após a extração, como partículas minerais
e fragmentos de hifas. Isso ocorre porque a porção de terra em análise, mesmo
passando por um processo mecânico de limpeza, permanece com impurezas na amostra
que vai ao microscópio. Essas impurezas podem confundir a detecção e posterior
contagem dos esporos, além da dificuldade do especialista de seguir uma ordem para
não contar esporos repetidos ou deixar de contar algum. A detecção e a contagem dos
esporos de FMA são importantes métodos, por exemplo, para controlar a aplicação
de insumos em uma determinada área. Utilizando-se dessas associações e com o
conhecimento prévio da quantidade presente de FMA, é possível definir as quantidades
adequadas de insumos, garantindo-se que a planta consiga absorvê-los ao máximo,
reduzindo-se os desperdícios. A automação do processo de contagem de esporos
de FMA proporciona confiabilidade e agilidade nos resultados apresentados pelos
especialistas. O objetivo deste estudo é propor e investigar a eficiência de um método
de contagem automática com a aplicação de modelos com arquiteturas baseadas em
Rede Neural Artificial (RNA). O trabalho avalia o desempenho de um sistema semiautomatizado
de contagem, com base na aplicação de dois modelos usados como
identificadores e classificadores das imagens dos esporos de FMAs. Utiliza-se a Transformada
Hough Circular (THC) como ferramenta de pré-processamento das imagens a
serem classificadas pelas RNAs. Os resultados obtidos demonstraram que os dois modelos,
baseados em redes neurais se caracterizam como bons classificadores. Ambos
os modelos alcançaram altas taxas de acerto na classificação, quando comparados ao
sistema de contagem manual, podendo ser aplicados em um sistema de automação
do processo de contagem de esporos de FMAs. Como forma de beneficiar este processo
propõe-se o desenvolvimento de um modelo, baseado em software, que possa
automatizá-lo, explorando técnicas de processamento de imagens e de redes neurais
artificiais.
Palavra
