Images and fluorescence spectroscopy in agriculture: a study on the diagnosis of diseases and phenotyping

Com uma grande diversidade climática, 13% de toda a água doce do mundo em seu território, abundância na energia solar e chuvas regulares, o Brasil é um país favorável para o desenvolvimento da agropecuária. Segundo o Ministério da Agricultura, Pecuária e Abastecimento (MAPA) as vendas do setor do Agronegócio brasileiro, de janeiro até julho de 2016, alcançaram US$ 52,8 bilhões, respondendo por 49% de todas as exportações do país. Dois produtos que contribuem decisivamente para este sucesso são a soja e a laranja, onde o Brasil se enquadra como grande produtor e exportador. Um fator que pode comprometer o crescimento do setor do agronegócio são as pragas e doenças. Neste trabalho foram utilizadas técnicas de imagens e espectroscopia de fluorescência como ferramentas de diagnóstico de doenças e fenotipagem. As culturas estudadas, por sua relevância econômica, foram os citros e a soja. Foram investigadas folhas de laranja sadias e doentes com Huanglongbing (HLB), conhecida também como Greening e folhas de soja sadias e doentes com Green StemandFoliar Retention (GSFR), popularmente conhecida como Soja Louca II. Com base em descritores retirados dos espectros e das imagens foram desenvolvidos classificadores utilizando-se a Regressão por Mínimos Quadrados Parciais (PLSR). O desempenho dos classificadores para diferenciar folhas de soja doentes de folhas sadias alcançou 99% para o sistema de espectroscopia de fluorescência e 100% para o sistema de Imagens de Fluorescência. Já com o sistema de imagens de Refletância com Luz Polarizada o acerto na classificação correta entre folhas de laranja sadias e com HLB foi de 84%. Também foi estudada a possibilidade de utilização de imagens termais em diferentes situações de estresse hídrico e nutricional. Através deste sistema foi possível detectar plantas em condições de estresses hídricos decorridos dois dias após o corte de água. As técnicas acima mencionadas também foram testadas para fenotipagem de plantas. Foram analisadas 20 variedades diferentes de citros e 3 de soja. A taxa de acerto na diferenciação de citros geneticamente muito próximos ficou em torno de 63% e para soja foi alcançado 95%, isso quando empregado o sistema de espectroscopia de fluorescência. Com base nesses resultados é possível afirmar que as técnicasfotônicas combinadas com os modelos classificadores, podem ser utilizadas como ferramentas para diagnosticar as doenças, como a GSFR e o HLB, e avaliar diferentes tipos de estresse abiótico. Elas também podem ser utilizadas para diferenciar variedades de plantas, mesmo no caso de variedades muito próximas geneticamente, onde as técnicas tradicionais não são capazes de fazê-lo. Os resultados apresentados foram promissores e podem, em um futuro próximo, gerar sistemas portáteis que devem auxiliar os produtores no campo.With a great climatic diversity, 13% of all the fresh water of the world in its territory, abundance in solar energy and regular rains, Brazil is a favorable country for the development of agriculture. According to the Ministry of Agriculture, Livestock, and Supply (MAPA), sales of the Brazilian Agribusiness sector, from January to July 2016, reached US$ 52.8 billion, accounting for 49% of all Brazilian exports. Two products that contribute decisively to this success are soy and orange, where Brazil is a major producer and exporter. One factor that can jeopardize the growth of the agribusiness sector is pests and diseases. In this work, fluorescence spectroscopy and imaging techniques were used as tools for the diagnosis of diseases and phenotyping. The crops studied, because of their economic relevance, were citrus and soybean. Healthy and infected leaves with Huanglongbing (HLB), also known as Greening, and healthy and infected leaves with Green Stem and Foliar Retention (GSFR), popularly known as Mad Soybean II, were investigated. Based on descriptors taken from spectra and images, classifiers were developed using Partial Least Squares Regression (PLSR). The performance of the classifiers to differentiate diseased leaves from healthy leaves reached 99% for the fluorescence spectroscopy system and 100% for the Fluorescence Imaging system. The success rate of classification for the system using polarized reflectance images reached 84%. We also studied the possibility of using thermal images in different situations of water and nutritional stress. Through this system, it was possible to detect plants in conditions of water stress after two days of water cut. The techniques above mentioned were also tested for plant phenotyping. Twenty different citrus and three soybean varieties were analyzed. The success rate of the differentiation using fluorescence spectroscopy for very close citrus was around 63% and for soybean was reached 95%. Based on these results it is possible to conclude that the photonic techniques combined with the classifier models can be used as tools to diagnose diseases such as GSFR and HLB and to evaluate different types of abiotic stress. They can also be used to differentiate plant varieties, even in the case of very closely varieties, where traditional techniques are not able to carry out. The results presented were promising and may, in the near future, generate portable systems that should assist farmers in the field