Visão computacional aplicada à avaliação de Hemileia vastatrix em Coffea arabica

Abstract

A principal doença que acomete a cultura do café é a ferrugem alaranjada, causada pelo fungo Hemileia vastatrix. Com isso, o foco dos programas de melhoramento genético do cafeeiro na obtenção de cultivares resistentes ao patógeno se torna cada vez mais essencial, a fim de minimizar os prejuízos por ele ocasionados à cafeicultura. A principal estratégia adotada para a avaliação dos genótipos resistentes à doença é a utilização de escalas diagramáticas. A partir dela, são dadas notas referentes a reação do genótipo em relação à severidade da doença. Contudo, tais avaliações são feitas visualmente e dependem da experiência do avaliador. Uma alternativa para a avaliação da severidade da doença é a utilização de imagens fotográficas e processamento destas em softwares para obtenção da severidade real e obtenção de resultados mais assertivos e conclusivos. Diante disso, o presente trabalho objetivou-se no desenvolvimento de um algoritmo para quantificação da ferrugem alaranjada e a partir das análises obtidas por meio deste, desenvolver e validar uma nova escala diagramática de avaliação da ferrugem do cafeeiro. Foram realizados dois experimentos, no qual o primeiro consistiu na coleta de folhas de cafeeiro acometidas pela doença para o treinamento e obtenção de um modelo de algoritmo para quantificação, enquanto o segundo foi conduzido em folhas destacadas e inoculadas com o fungo, alocadas em placas de Petri, em ambiente controlado, tendo como proposta desenvolver um novo método de inoculação e avaliação da doença, utilizando as cultivares Catuaí Vermelho IAC 144, Bourbon Amarelo, MGS Aranãs, MGS Paraíso e Catiguá MG2. O processamento e análise de imagens foram realizados em linguagem de programação Python, utilizando os pacotes OpenCV e Scikit-Image. Para a elaboração da escala diagramática, foram utilizadas as imagens e estimativas obtidas pelas análises de imagem. A escala diagramática desenvolvida foi validada pelo coeficiente de correlação de concordância proposto por Lin (1989) e se mostrou eficaz na quantificação de folhas doentes de cafeeiro, enquanto o algoritmo desenvolvido também se mostrou assertivo em relação à quantificação da doença. Comparou-se métodos de avaliação visual presencial e remotamente e não foi identificada diferença significativa entre as avaliações.The main disease that affects coffee is orange rust, caused by the fungus Hemileia vastatrix. As a result, the focus of coffee breeding programs is to obtain genotypes resistant to the pathogen, to minimize the damage caused by it to coffee yield. The main strategy adopted for the evaluation of disease-resistant genotypes is the use of standar area diagrams, using notes regarding the reaction of the genotype in relation to the severity of the disease. However, such evaluation are made visually and hard depends of the experience of the evaluators.An alternative for assessing the severity of the disease is the use of photographic images and processing them in a software to obtain the real severity and obtain more assertive and conclusive results. In view of this, the presente work aimed to develop an algorithm for quantifying orange rust and, based on the analyzes obtained through this, to develop and validate a new standard area diagram for evaluating coffee rust. Two experiments were conducted, in wich the first consisted of collecting coffee leaves affected by the disease for training and obtainin na algorithm model for quantification, while the second was carried out on detached leaves inoculated with the fungus, placed on Petri dishes, in a controlled enviroment conditions, with the proposal to develop a new method of inoculation end evaluation of the disease. The comercial varieties used in this study were Catuai Vermelho IAC 144, Bourbon Amarelo, MGS Aranãs, MGS Paraíso and Catiguá MG2. Image processing and analysis were perfomed in python programming language, using the OpenCV and ScikitImage package. To elaborate the. standard area diagram, the images and estimates severities obtained by the image analysis were used. The developed standard area diagram was validated using the concordance correlation coeficiente proposed by Lin (1989) and proved to be effective in quantifying diseased coffee leaves, while the developed algorithm was also assertive in relation to the disease quantification. Visual assessment methods were compared in person and remotly and no significant difference was identified between the assessments.