Skip navigation

Use este identificador para citar ou linkar para este item: https://repositorio.ufpb.br/jspui/handle/123456789/17404
Tipo: Dissertação
Título: Identificação de Colletotrichum gossypii e Colletotrichum gossypii var. cephalosporioides em sementes de algodoeiro usando imagens hiperespectrais no infravermelho próximo.
Autor(es): Jesus, Hanna Ibiapina de
Primeiro Orientador: Bruno, Riselane de Lucena Alcântara
Primeiro Coorientador: Medeiros, Everaldo Paulo de
Resumo: O Brasil tem se consolidado no mercado internacional como um dos principais produtores e exportadores mundiais de fibra de algodão. Apesar do bom desempenho do setor, problemas fitossanitários, em particular, se configuram como um grande entrave, em que um dos principais meios de dispersão de patógenos ocorre por sementes contaminadas. Problemas metodológicos na detecção e diferenciação das espécies fúngicas Colletotrichum gossypii (CG) e Colletotrichum gossypii var. cephalosporioides (CGC) em sementes de algodoeiro têm sido objeto de pesquisas, pois a similaridade das estruturas morfológicas das espécies, geram resultados ambíguos que contribuem para a comercialização de sementes contaminadas. Neste contexto, objetivou-se com este estudo desenvolver uma metodologia para classificação de CG e CGC em sementes de algodoeiro, utilizando imagens hiperespectrais no infravermelho próximo (HSI-NIR), associadas à análise multivariada de dados. Para tanto, sementes de algodoeiro da cultivar BRS 286 foram contaminadas com 5 isolados de CG e 15 isolados de CGC e submetidas ao teste de sanidade, por meio do método Blotter test. Após o período de incubação foram adquiridas imagens hiperespectrais das sementes. Os espectros na faixa de 1000 a 2500 nm foram pré-processados com derivativa Savitzky-Golay de primeira ordem. Uma análise exploratória do conjunto de dados foi executada utilizando uma PCA, realizando- se, posteriormente, a classificação das amostras a partir do desenvolvimento de um modelo PLS-DA, o qual obteve 86,5% de acerto na classe CG e 81,6% de acerto na classe CGC. Na predição de amostras externas, o percentual de acerto foi variável entre amostras e, possivelmente, tem relação com a variabilidade das espécies. A performance do modelo PLS- DA indica que o método permite a identificação de CG e CGC, entretanto, amostras com alta taxa de erro nas classificações devem ser incluídas no conjunto de calibração, e ajustes na construção do modelo são necessários para aperfeiçoar a identificação das espécies fúngicas em sementes de algodoeiro.
Abstract: Brazil is consolidating itself in the international market as one of the world’s leading cotton fiber producers and exporters. Despite the good performance, phytosanitary problems, in particular, are a major obstacle, in which one of the main sources of pathogens dispersions are contaminated seeds. Methodological problems in detection and differentiation of the fungal species Colletotrichum gossypii (CG) and Colletotrichum gossypii var. cephalosporioides (CGC) in cotton seeds have been subject for researches, because the species morphological structures similarity causes ambiguous results that contributes for commercialization of infected seeds. In this context, this study was aimed to develop a methodology for the classification of CG and CGC in cotton seeds, using hyperspectral imaging near infrared (HIS- NIR) in association with data multivariate analysis. Therefore, cotton seeds of BRS 286 cultivar were contaminated with 5 CG isolates and 15 CGC isolates, and were submitted to seed health testing, using the Blotter test method. After the incubation period, hyperspectral images of the seeds were taken. The spectra in the range between 1000 to 2500 nm were pre-processed with Savitzky-Golay first-order derivative. An exploratory data analysis was executed using a PCA, posteriorly, samples classification was made by the development of a PLS-DA model, which correctly predicted 86.5% of CG class and 81.6% of CGC class. In external samples’ prediction, the correct prediction percentage was variable between samples and, possibly, it is related to species variability. The PLS-DA model performance indicates that this method allows CG and CGC identification, however, samples with high rate of misclassification should be included in calibration set, and model construction adjustments are necessary for improvement of the fungal species classification in cotton seeds.
Palavras-chave: Antracnose.
HSI-NIR.
Ramulose.
CNPq: CNPQ::CIENCIAS AGRARIAS::AGRONOMIA
Idioma: por
País: Brasil
Editor: Universidade Federal da Paraíba
Sigla da Instituição: UFPB
Departamento: Fitotecnia e Ciências Ambientais
Programa: Programa de Pós-Graduação em Agronomia
Tipo de Acesso: Acesso aberto
Attribution-NoDerivs 3.0 Brazil
URI: http://creativecommons.org/licenses/by-nd/3.0/br/
URI: https://repositorio.ufpb.br/jspui/handle/123456789/17404
Data do documento: 16-Dez-2019
Aparece nas coleções:Centro de Ciências Agrárias (CCA) - Programa de Pós-Graduação em Agronomia

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
HIJ05052020-DA395.pdf1,47 MBAdobe PDFVisualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons