Hub

Artigo: Biomonitoramento e inteligência artificial em benefício da pesquisa brasileira

Imagem: Artigo: Biomonitoramento e inteligência artificial em benefício da pesquisa brasileira

O termo “inteligência artificial” se popularizou em velocidade surpreendente, mas ainda permanece abstrato para boa parte das pessoas. Pode-se dizer que o termo está intrinsecamente ligado à capacidade de transformar computadores em máquinas que funcionam como mentes. Ou a dar automação a atividades associadas ao pensamento humano, como a tomada de decisões e a resolução de problemas. Ou ainda a criar máquinas que executam funções que exigem inteligência.

Para tornar o termo ainda mais palatável, vale retomar o exemplo da parceria da SciCrop com a Fundepag e Conexão.f em pesquisa desenvolvida por grupo coordenado pelos pesquisadores Marisa Domingos e Ricardo Nakazato, do Instituto de Botânica.

IA, Nicotiana tabacum e ozônio
O uso de Nicotiana tabacum ‘Bel W3’ para fazer o biomonitoramento dos níveis de contaminação atmosférica por ozônio vem sendo estudado por este grupo, que tem acompanhado o aumento na demanda por sistemas que permitem o monitoramento desse tipo de gás no meio ambiente - e seus reflexos na qualidade de vida. O ozônio é um dos principais poluentes atmosféricos em grandes cidades, é altamente tóxico aos seres vivos, e sua concentração no ar que respiramos constantemente ultrapassa os padrões de qualidade impostos pelos órgãos sanitários.

A Constituição Federal de 1988, em seu artigo nº 225, afirma, como direito, um “meio ambiente ecologicamente equilibrado” e que este meio ambiente é um “bem de uso comum, essencial à sadia qualidade de vida”. Sendo assim, ao monitorar os diferentes níveis de ozônio, torna-se mais próxima a ideia do desenvolvimento sustentável. Com os dados desse monitoramento, é viável estabelecer políticas públicas para atender as necessidades das futuras gerações.

Para desenvolver a pesquisa de biomonitoramento, o grupo do Instituto de Botânica optou por usar plantas padronizadas, que apresentam uma série de vantagens. Entre elas, o baixo custo de implantação em grande escala, e o uso de forma cumulativa em eventos ocorridos durante um determinado período de tempo - resgatando um histórico ambiental não passível de detecção ou medição por outros métodos. Conhecidas como bioindicadoras, essas plantas trazem informações precisas sobre a toxicidade em seres vivos e podem evitar desequilíbrios ambientais - como exige o artigo nº 225. Nesse sentido, a escolha da Nicotiana tabacum ‘Bel W3’ surge como uma bioindicadora conveniente. Hoje, ela está entre as espécies mais usadas em biomonitoramento da contaminação atmosférica por ozônio.

O método usado pelos pesquisadores propõe expor plantas cultivadas com ar filtrado em diferentes áreas da cidade e níveis distintos de contaminação. Após a exposição, é determinada, visualmente, a porcentagem de área foliar com necroses e cloroses foliares. Na superfície abaxial da folha, é verificada a relação com os poluentes e fatores climáticos. No geral, a variação em danos foliares observada nos diferentes locais e ao longo do tempo acompanha a variação na concentração de ozônio.

Nos estudos conduzidos pelo grupo de pesquisas do Instituto de Botânica, o Nicotiana tabacum ‘Bel W3’ mostrou-se adequado para biomonitoramento qualitativo da presença de ozônio na cidade de São Paulo.


Figura 1: Fotos das necroses provocadas por ozônio
em folhas de N. tabacum ‘Bel W3’.

Onde entra a inteligência artificial
Os pesquisadores viram uma oportunidade para a SciCrop aplicar seus conhecimentos em inteligência artificial para agilizar o processo de registro das necroses e cloroses foliares nas plantas expostas aos diferentes níveis de ozônio pela cidade.

Um exemplo de metodologia que poderia ser adotada consiste em processar imagens como a Figura 1, com as áreas de interesse demarcadas, e então aplicar um modelo de Deep Learning, uma área do conhecimento relacionada à IA, baseado no artigo da YOLOV3.

Esse modelo foi escolhido por permitir a localização e a classificação simultâneas de objetos em imagens. O modelo funciona em duas camadas; a primeira, de classificação, indica a probabilidade de encontrarmos os objetos de interesse em regiões pré-estabelecidas. Já a segunda, de regressão, indica a posição exata dos objetos de interesse encontra. O resultado são polígonos que indicam onde estão as necroses, conforme a Figura 2.


Figura 2: Fotos dos polígonos que demarcam as necroses com base no YOLOV3. Foto retirada do protocolo VDI (2003) e modificada pela Scicrop.

Esse modelo poderia ser escolhido por viabilizar a classificação e a segmentação simultâneas de objetos por em imagens, valendo-se, de forma eficiente e rápida, das demarcações disponíveis.

A metodologia usada é apenas um dos caminhos possíveis para desenvolver estudos como o do grupo de pesquisas do Instituto de Botânica e Scicrop. Para saber mais, entre em contato com a Conexão.f – conexao@fundepag.br.

Compartilhe essa notícia:
Autor(es) do Post
Ricardo Nakazato, Jose Damico e Maria Eloisa Véras
Instituto de Botânica e Scicrop