A arquitetura do tomateiro desempenha um papel central na determinação da produtividade, intercetação de luz e eficiência no uso de recursos em sistemas de produção em estufa. Características como espessura do caule, espaçamento entre folhas e distribuição dos frutos são controladas por interações complexas entre genes e o ambiente, e frequentemente sofrem alterações substanciais durante o desenvolvimento.
Embora os avanços na genómica tenham acelerado a identificação de genes, o progresso tem sido limitado pela falta de métodos de fenotipagem eficientes e em larga escala, capazes de capturar a dinâmica das características ao longo do tempo. As medições manuais tradicionais são trabalhosas, subjetivas e geralmente limitadas a estágios de crescimento individuais.
Perante os desafios, os cientistas consideram haver uma clara necessidade de conduzir estudos aprofundados sobre abordagens de fenotipagem dinâmicas e de alto rendimento que possam revelar padrões temporais de expressão e hereditariedade das características.
Investigadores da Universidade de Zhejiang, em colaboração com a Academia de Ciências Agrícolas de Hangzhou e a Universidade Cornell, relataram resultados de estudo em artigo publicado na revista “Horticulture Research”. O estudo apresenta um sistema de fenotipagem baseado em veículo terrestre não tripulado, projetado para monitorar tomateiros continuamente ao longo do ciclo de crescimento.
Os investigadores integraram imagens multiespectrais, de profundidade e RGB (vermelho, verde e azul) com algoritmos avançados de segmentação, e extraíram características arquitetónicas detalhadas e quantificaram como a hereditariedade genética se altera ao longo do tempo. O estudo fornece uma estrutura sistemática para vincular o desenvolvimento estrutural da planta à estabilidade genética em condições controladas de estufa.
O sistema de fenotipagem proposto utiliza um robô terrestre autónomo equipado com sensores RGB-D e multiespectrais para recolher imagens de alta resolução de plantas de tomate em múltiplos estágios de desenvolvimento. Um modelo de segmentação por aprendizado profundo funde informações espectrais e de profundidade para separar com precisão caules, folhas, flores e frutos, mesmo em densas copas de estufa. A partir de nuvens de pontos 3D reconstruídas, o sistema extrai automaticamente seis características arquitetónicas: espessura do caule, espaçamento entre folhas, altura da inflorescência, espaçamento entre frutos, área foliar total e ângulo de inclinação das folhas.
A validação através de medições manuais demonstrou alta precisão, com forte concordância na maioria das características e baixos erros de estimativa. Também o fluxo contínuo de dados permitiu aos investigadores analisar não apenas os valores das características, mas também como a herdabilidade em sentido amplo evoluiu ao longo do tempo. Características como espessura do caule, altura da inflorescência e espaçamento dos frutos apresentaram aumento da herdabilidade à medida que as plantas amadurecem, sugerindo um controlo genético mais forte em estágios posteriores.
Em contraste, as características relacionadas às folhas mostraram declínio na herdabilidade, indicando maior influência ambiental com o aumento da complexidade do dossel. A área foliar total seguiu um padrão não linear, com a herdabilidade flutuando ao longo dos estágios de crescimento. Os resultados monstram que a importância genética das características arquitetónicas é altamente dependente do tempo, enfatizando a necessidade de fenotipagem específica para cada estágio em estudos de melhoramento genético.
“Este estudo mostra que o momento em que medimos as características das plantas pode ser tão importante quanto o que medimos“, afirmou o autor correspondente do estudo.
“Ao capturar continuamente características arquitetónicas, podemos identificar as janelas de desenvolvimento em que os efeitos genéticos são mais fortes. Isso ajuda os melhoristas a concentrarem-se nos estágios mais informativos para seleção e análise genética. A integração de robótica, imagens multimodais e análise de herdabilidade representa um passo significativo em direção a estratégias de melhoramento de culturas mais precisas e eficientes”, acrescentou o investigador.
Os resultados do estudo têm implicações importantes no melhoramento de plantas como na produção em estufas. Ao revelar quando características específicas se tornam mais geneticamente estáveis, a abordagem pode orientar os melhoristas a otimizar os pontos de amostragem para mapeamento de loci de características quantitativas e decisões de seleção.
Na produção comercial, o monitoramento arquitetónico contínuo pode apoiar estratégias de cultivo de precisão, como poda otimizada, espaçamento e alocação de recursos. De forma mais ampla, a estrutura de fenotipagem pode ser adaptada a outras culturas e sistemas de ambiente controlado, acelerando a integração da robótica e da tomada de decisões baseada em dados na agricultura moderna. À medida que o melhoramento depende cada vez mais de informações dinâmicas sobre características, esses sistemas podem tornar-se ferramentas essenciais para alinhar o potencial genético às condições reais de cultivo.
