dissertação

Fenotipagem por imagens: uma alternativa às avaliações visuais no melhoramento genético de batata

Carregando...
Imagem de Miniatura

Notas

Editores

Título da Revista

ISSN da Revista

Título de Volume

Editor

Universidade Federal de Lavras

Faculdade, Instituto ou Escola

Instituto de Ciências Naturais (ICN)

Departamento

Departamento de Biologia

Programa de Pós-Graduação

Programa de Pós-Graduação em Genética e Melhoramento de Plantas

Agência de fomento

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG)

Tipo de impacto

Sociais
Tecnológico
Econômicos

Áreas Temáticas da Extenção

Tecnologia e produção

Objetivos de Desenvolvimento Sustentável

ODS 2: Fome zero e agricultura sustentável
ODS 9: Indústria, inovação e infraestrutura
ODS 12: Consumo e produção responsáveis

Dados abertos

Resumo

A cor da polpa e o formato dos tubérculos de batata são caracteres importantes para a segmentação de mercado da cultura. Nos programas de melhoramento genético, esses caracteres são normalmente avaliados de forma visual, o que pode comprometer a precisão experimental. Portanto, este trabalho teve como objetivo desenvolver e validar o uso da avaliação por imagens na estimação de parâmetros genéticos para os caracteres cor da polpa e formato de tubérculos de batata. Foram avaliadas duas populações do Programa de Melhoramento de Batata da Universidade Federal de Lavras (UFLA), nos anos de 2023 e 2024 na fazenda experimental da UFLA, em Lavras - MG, utilizando o delineamento parcialmente replicado (P-REP). Após a colheita, os tubérculos foram avaliados quanto à cor da polpa e ao formato. As imagens de cada parcela foram avaliadas para obtenção da média do canal b* do espaço de cores LAB. Para a validação, os dados do canal b* de cada tratamento foram correlacionados com as notas médias de três avaliadores (NCP). Para avaliar o formato, todos os tubérculos de cada parcela foram fotografados, e o eixo maior e eixo menor de cada tubérculo foram obtidos por processamento em Python para o cálculo da razão de diâmetros (RD). A validação foi realizada por meio da correlação entre as médias da razão para cada tratamento e a média das notas de três avaliadores quanto ao formato (NFT). Também foram calculadas as herdabilidades, os desvios padrões médios dos contrastes entre genótipos dividido pela média dos clones (DPMC, %), os coeficientes de variação (CV, %) e as acurácias. As correlações entre nota e imagem foram elevadas, acima de 0,92 para cor da polpa e 0,78 para formato, validando o uso de imagens para a avaliação de cor de polpa e formato. As herdabilidades estimadas a partir das imagens foram superiores às obtidas por nota, variando de 0,64 a 0,90 para a razão e de 0,75 a 0,86 para o canal b*, demonstrando uma maior capacidade das imagens na detecção de variações genotípicas. A avaliação por imagem também se destacou pela maior precisão experimental, com DPMCs e CVs até onze vezes menores para cor da polpa e até oito vezes menores para formato. A contribuição da interação genótipos × anos nas análises conjuntas foi pouco representativa, reforçando a estabilidade do desempenho dos clones ao longo dos anos avaliados. Conclui-se que a avaliação baseada em imagens proporcionou maior precisão experimental que a avaliação visual, fornecendo estimativas mais confiáveis dos parâmetros genéticos para cor de polpa e formato.

Abstract

Flesh color and tuber shape are important traits for market segmentation in potato. In breeding programs, these traits are usually evaluated visually, which may compromise experimental precision. Therefore, this study aimed to develop and validate the use of image-based evaluation for estimating genetic parameters related to tuber flesh color and shape. Two populations from the Potato Breeding Program of the Federal University of Lavras (UFLA) were evaluated in 2023 and 2024 at the UFLA experimental farm in Lavras, MG, using a partially replicated design (P-REP). After harvest, tubers were evaluated for flesh color and shape. Images from each plot were analyzed to obtain the mean b* channel value from the LAB color space. For validation, b* channel data for each treatment were correlated with the average scores of three evaluators (NCP). To assess shape, all tubers from each plot were photographed, and the major and minor axes of each tuber were obtained through Python processing to calculate the diameter ratio (RD). Validation was performed by correlating the mean ratio for each treatment with the average scores of three evaluators for shape (NFT). Heritabilities, mean standard deviations of contrasts between genotypes divided by the mean of the clones (DPMC, %), coefficients of variation (CV, %), and accuracies were also calculated. Correlations between visual scores and image data were high, above 0.92 for flesh color and 0.78 for shape, validating the use of images for evaluating these traits. Heritability estimates obtained from images were higher than those derived from visual scores, ranging from 0.64 to 0.90 for RD and from 0.75 to 0.86 for the b* channel, demonstrating the greater ability of images to detect genotypic variation. Image-based evaluation also showed higher experimental precision, with DPMCs and CVs up to eleven times lower for flesh color and up to eight times lower for shape. The contribution of genotype × year interaction in joint analyses was minimal, reinforcing the stability of clone performance over the evaluated years. It is concluded that image-based evaluation provided greater experimental precision than visual evaluation, offering more reliable estimates of genetic parameters for flesh color and shape.

Descrição

Área de concentração

Agência de desenvolvimento

Palavra chave

Marca

Objetivo

Procedência

Impacto da pesquisa

Resumen

ISBN

DOI

Citação

RIBEIRO, Roberto Henrique de Lima. Fenotipagem por imagens: uma alternativa às avaliações visuais no melhoramento genético de batata. 2025. 64 p. Dissertação (Mestrado em Genética e Melhoramento de Plantas) - Universidade Federal de Lavras, Lavras, 2025.

Link externo

Avaliação

Revisão

Suplementado Por

Referenciado Por

Licença Creative Commons

Exceto quando indicado de outra forma, a licença deste item é descrita como Attribution-ShareAlike 3.0 Brazil