Potential of UAV-derived RGB spectral indices for the early selection of cotton genotypes based on fiber quality traits

O algodão é a fonte de fibra natural mais importante do mundo, um material que começa como um capulho felpudo em uma planta e termina como o tecido de nossas roupas. Para a indústria têxtil, o valor desta cultura depende inteiramente da qualidade de suas fibras: o quão longas são, o quão fortes são e o quão uniformemente se mantêm unidas. Tradicionalmente, os melhoristas que desenvolvem novas variedades de algodão tinham que esperar até que as plantas estivessem totalmente crescidas e os capulhos fossem colhidos para saber se uma nova variedade era boa. Eles retiram uma amostra da fibra, enviam para um laboratório especializado e a passam por uma máquina que mede essas propriedades técnicas. Este processo é preciso, mas lento, caro e requer uma grande quantidade de material vegetal, o que significa que os melhoristas muitas vezes não podem testar novas variedades até que elas já estejam em um estágio bastante avançado de desenvolvimento.

Nos últimos anos, uma nova abordagem surgiu para acelerar este processo: o uso de drones para tirar fotos das plantações do céu. Esses veículos aéreos não tripulados, ou UAVs, podem capturar imagens detalhadas de um campo em minutos. Ao analisar as cores nessas imagens, os cientistas podem calcular números que descrevem o quão saudáveis e vigorosas as plantas estão. A ideia é que a forma como uma planta parece vista de cima — sua cor e brilho — pode nos dizer algo sobre a qualidade da fibra que ela produzirá dentro do capulho, muito antes da colheita. Se essa conexão for forte, os melhoristas poderiam triar milhares de plantas no início da temporada, escolhendo apenas as melhores para cultivar, economizando tempo e dinheiro.

Uma equipe de pesquisadores no Brasil partiu para testar se essa ideia funciona para a qualidade da fibra do algodão. Eles trabalharam com dezenove diferentes variedades comerciais de algodão, plantando-as em um campo na Universidade Federal de Uberlândia. Conforme as plantas cresciam, os pesquisadores esperaram até que os campos estivessem em plena floração, um estágio em que as plantas estão cobertas de flores abertas. Nesse momento específico, eles voaram um drone sobre o campo para capturar imagens de alta resolução em vermelho, verde e azul. A partir dessas fotos, eles calcularam quatro números diferentes baseados em cores, conhecidos como índices espectrais, que funcionam como um resumo do verdor e da saturação de cor da planta. Mais tarde, após o algodão ser colhido, eles coletaram amostras de cada variedade e mediram a qualidade da fibra usando a máquina de laboratório padrão, que determinou características como comprimento da fibra, resistência e um índice composto chamado Índice de Consistência de Fiação (Spinning Consistency Index), que prevê o quão bem a fibra será fiada em fios.

Os pesquisadores descobriram que havia, de fato, uma ligação significativa entre o que o drone viu e o que o laboratório mediu. Eles descobriram que dois dos números baseados em cores eram particularmente úteis. Um, que media o verdor das folhas, mostrou uma forte conexão com o Índice de Consistência de Fiação. Outro, que comparava a quantidade de luz verde com a luz vermelha, estava intimamente ligado à uniformidade do comprimento da fibra. Em termos simples, as plantas que pareciam mais verdes e vibrantes da perspectiva do drone tendiam a produzir fibras mais adequadas para a fiação de alta qualidade. A equipe utilizou modelos estatísticos para ver se conseguiam prever a qualidade da fibra apenas olhando para esses números do drone. Os modelos foram capazes de explicar aproximadamente um terço das diferenças observadas entre as variedades. Embora esta não seja uma previsão perfeita, é um passo significativo, sugerindo que uma imagem de drone tirada no início da temporada pode oferecer uma pista confiável sobre a qualidade final do algodão.

No entanto, o estudo também deixou claro que esta tecnologia não é uma substituição para os testes laboratoriais tradicionais. As imagens do drone não puderam prever todos os detalhes da qualidade da fibra, e algumas variedades que pareciam semelhantes vistas do céu revelaram ter características de fibra distintas. Os pesquisadores observaram que a variedade de melhor desempenho em seu estudo, um tipo chamado DP 2077, possuía uma excelente qualidade de fibra, mas apresentou apenas pontuações de cor médias nas imagens do drone. Isso nos diz que, embora o drone possa detectar tendências gerais, ele ainda não consegue ver o quadro completo por conta própria. A cor das folhas é influenciada por muitos fatores, incluindo quanta luz solar a planta recebe e quanta água ela possui, o que pode, às vezes, mascarar o potencial genético para a qualidade da fibra.

O valor deste trabalho reside no seu potencial de atuar como um filtro. Os melhoristas muitas vezes precisam gerenciar milhares de plantas, e testar cada uma delas em um laboratório é muito caro e lento. Se um drone puder voar sobre um campo e identificar rapidamente as plantas que provavelmente terão baixa qualidade de fibra, essas plantas podem ser removidas do programa de melhoramento precocemente. Isso permite que os melhoristas foquem seus recursos nos candidatos mais promissores. Os pesquisadores concluíram que, embora os números derivados do drone não sejam uma solução mágica que elimine a necessidade do trabalho de laboratório, eles são uma ferramenta poderosa para ser usada em conjunto com ele. Ao combinar a velocidade do mapeamento aéreo com a precisão dos testes tradicionais, os melhoristas de algodão podem tomar decisões mais inteligentes mais rapidamente, potencialmente trazendo melhores variedades de algodão para agricultores e fábricas têxteis em menos tempo. O estudo sugere que, à medida que esses modelos forem refinados com mais dados de diferentes ambientes e tipos de plantas mais diversos, sua capacidade de prever a qualidade futura de uma safra de algodão só irá melhorar.