Investigadores del INTA y del Conicet, en colaboración con la Universidad de Trento, en Italia, presentaron SunPheno, una herramienta de inteligencia artificial que identifica de forma automática los estadios fenológicos del girasol, usando fotos tomadas a campo con teléfonos celulares.
A partir de una base de datos nutrida con 25.000 imágenes, la plataforma –de acceso libre y gratuito, y dirigida a mejoradores, productores y académicos- apunta a mejorar la precisión en la identificación de los momentos críticos del desarrollo de este cultivo, principalmente en la etapa de llenado del grano, clave para determina el rendimiento final.
“La senescencia es un proceso complejo, regulado por factores internos y externos, que implica una caída en la fotosíntesis. Si logramos sincronizar correctamente este proceso con los estadios fenológicos, podemos maximizar el rendimiento”, explicó Melanie Corzo, becaria doctoral del Instituto de Agrobiotecnología y Biología Molecular (Iabimo), unidad dependiente del INTA y del Conicet.
Según dieron cuenta desde INTA, las fotos corresponden a dos líneas endocriadas del programa de mejoramiento genético de ese Instituto, que fueron clasificadas manualmente para entrenar a esta IA. Actualmente, ella puede distinguir entre estadios vegetativos y reproductivos de manera automática.
“Este sistema permite eliminar la subjetividad en la evaluación de la fenología del girasol, algo fundamental tanto para la investigación como para la producción”, detalló Corzo, quien anticipó que buscan ampliar el modelo con imágenes tomadas tanto por drones como por satélites.
Paula Fernández, investigadora y coordinadora de una línea de investigación en genómica y ecofisiología de girasol del Iabimo, añadió que esta herramienta también ayuda a comprender cuándo se activa la senescencia en distintos genotipos, lo que permitiría afinar estrategias de selección genética para obtener híbridos más eficientes.
“El celular se convirtió en una herramienta de fenotipado masivo: generamos más de 5.000 imágenes por campaña y el modelo permite clasificarlas automáticamente”, señaló Fernández.
En el desarrollo de SunPheno participaron, además del equipo argentino, Sofía Bengoa Luoni, investigadora en la Universidad de Wageningen, en Países Bajos, y Farid Melgani, de la Universidad de Trento.
