Desarrollo de un sistema de fenotipado basado en visión artificial para el estudio de la cinética de crecimiento de plantas
[SPA] El creciente aumento demográfico a nivel mundial, está provocando la necesidad de incrementar la producción agrícola. Científicos y productores buscan obtener variedades genéticas más productivas, resistentes y menos exigentes en cuanto a consumo de recursos se refiere. Los avances tecnológico...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Fecha de publicación: | 2019 |
| País: | España |
| Institución: | Universidad Politécnica de Cartagena(UPCT) |
| Repositorio: | Repositorio Digital UPCT |
| OAI Identifier: | oai:repositorio.upct.es:10317/7766 |
| Acceso en línea: | http://hdl.handle.net/10317/7766 |
| Access Level: | acceso abierto |
| Palabra clave: | Tecnología de la automatización Desarrollo vegetal Genética del desarrollo Visión artificial Cronobiología Genética 3311.01 Tecnología de la Automatización |
| Sumario: | [SPA] El creciente aumento demográfico a nivel mundial, está provocando la necesidad de incrementar la producción agrícola. Científicos y productores buscan obtener variedades genéticas más productivas, resistentes y menos exigentes en cuanto a consumo de recursos se refiere. Los avances tecnológicos de las últimas décadas, ha permitido de una forma rápida y económica, la obtención de multitud de nuevas líneas genéticas. Es necesario, además, validar –fenotipar– esas nuevas líneas y comprobar que su comportamiento fenotípico se ajusta a lo esperado en función del genotipo creado. Sin embargo, el gran cuello de botella de todo este proceso se produce precisamente en el fenotipado de las líneas. El ritmo de generación de nuevas variedades ha estado superando con creces nuestra capacidad para identificar sus fenotipos. En los últimos años, el desarrollo del fenotipado de alto rendimiento –High Throughput Phenotyping o HTP– ha logrado que se acorten esas distancias, gracias en parte al creciente interés mostrado por grandes multinacionales y gobiernos. El fenotipado basado en visión artificial es un método no invasivo en la mayoría de los casos, tiene multitud de configuraciones posibles en función de los objetivos planteados, cada vez es más asequible gracias al abaratamiento de la tecnología y es multiescala, pudiendo ser implementado desde una pequeña cámara de cultivo hasta grandes extensiones agrícolas. Por todo ello, este trabajo plantea el desarrollo de un sistema de fenotipado basado en visión artificial, para ser implementado en una cámara de cultivo, con el objetivo último de estudiar la cinética de crecimiento de diferentes líneas genéticas –silvestres y transgénicas–. Este sistema no solo incluye dispositivos y el desarrollo de software de control, sino también la implementación de metodologías de procesamiento de imágenes y análisis del crecimiento. Así, en esta tesis se presenta un método de segmentación de hojas sobre fondo de sustrato, mediante la creación de vectores de características basados en espacios de color –Red, Green, Blue– o en transformadas Wavelet –Near infrared–, como base para entrenar clasificadores de aprendizaje automatizado. En ambos casos se obtienen unos rendimientos de clasificación cercanos al 100 % para el conjunto de imágenes probadas. Por otro lado, la aplicación del sistema al estudio del crecimiento de distintos ejemplares de Antirrhinum majus y de Petunia x hybrida, ha permitido implementar una metodología de modelización –Generalized Additive Models–, que facilita el estudio de las curvas de este crecimiento y permite determinar parámetros como tasa máxima y media de crecimiento. El empleo de los sistemas de fenotipado basado en visión artificial, muestran un gran potencial para el estudio de respuestas hasta ahora poco conocidas, fruto de cambios genómicos y epigenéticos producidos en las plantas. Finalmente, sería deseable, dirigir esfuerzos económicos y humanos hacia un campo que puede aportar no sólo conocimiento científico, sino también soluciones a nivel agroalimentario. |
|---|