APLICAÇÃO DE REDES NEURAIS CONVOLUCIONAIS PARA MENSURAR O CRESCIMENTO DE PHLEBOPUS BENIENSIS: COMPARAÇÃO COM MEDIÇÕES EMPÍRICAS

Guilherme Martins Nagy; Luan Castela Bandeira de Gouvêa; Samuel de Abreu Lopes; Rafael Amaral Ramos; Rara Kauffmann Sudá; Maria Clara Tuttman Diegues Rosa; Sael Sánchez Elias; ANDRES CALDERIN GARCIA; Prof. Ricardo Luiz Louro Berbara

Título do Trabalho

Autores

Guilherme Martins Nagy
Luan Castela Bandeira de Gouvêa
Samuel de Abreu Lopes
Rafael Amaral Ramos
Rara Kauffmann Sudá
Maria Clara Tuttman Diegues Rosa
Sael Sánchez Elias
ANDRES CALDERIN GARCIA
Prof. Ricardo Luiz Louro Berbara

Modalidade

Resumo

Área temática

Ciências Agrárias - Agronomia

Data de Publicação

27/03/2026

País da Publicação

Brasil

Idioma da Publicação

pt-BR

Página do Trabalho

https://www.even3.com.br/anais/xii-reuniao-anual-iniciacao-cientifica-da-ufrrj-raic/1322004-aplicacao-de-redes-neurais-convolucionais-para-mensurar-o-crescimento-de-phlebopus-beniensis--comparacao-com-med

ISBN

978-65-272-2302-3

Palavras-Chave

redes neurais convolucionais, crescimento fúngico, medição automatizada

Resumo

O crescimento de fungos agaricomicetos em meios de cultura sólidos é um tema recorrente de pesquisa, frequentemente visando avaliar os efeitos de diferentes materiais na taxa de colonização, com o objetivo de aumentar a eficiência e produtividade no cultivo. A avaliação manual ou manual-digital do crescimento de colônias em experimentos com grande número de placas é dispendiosa e sujeita a erros humanos. Para superar essa limitação, pesquisadores têm utilizado sistemas de processamento de imagens combinados com algoritmos de aprendizado de máquina (Ujir et al., 2024), que também são aplicados em áreas como identificação de cogumelos, colheita automatizada, fenotipagem e detecção de pragas, oferecendo maior precisão e eficiência. Algoritmos baseados em redes neurais convolucionais, como o YOLO (You Only Look Once), ampliaram essas aplicações em engenharias e biociências, permitindo economia de tempo e aumento da acurácia (Hua; Yi; Hu, 2022). Existem também empresas recentes de larga escala como a Reshape que utiliza sistemas mais desenvolvidos com os mesmos princípios com enfoque em automatização de experimentos e obtenção de dados. O objetivo deste trabalho foi desenvolver e validar um sistema baseado em redes neurais artificiais para aferição do crescimento de fungos, comparando sua performance com medições manuais para avaliar precisão e confiabilidade. Os experimentos foram conduzidos no Laboratório de Química Biológica do Solo da UFRRJ, utilizando a linhagem de Phlebopus beniensis PHB-2810, depositada na micoteca do laboratório e no SisGen. Realizaram-se testes em diferentes meios de cultura para avaliar temperatura, pH e meio de cultura ideal. As placas de Petri continham 20 ml de cada tratamento, autoclavadas a 121 ºC por 20 minutos e inoculadas com um disco micelial de ~7 mm de diâmetro. As colônias foram fotografadas a cada 24 horas, sob luz ambiente, a uma altura fixa e junto a uma escala, durante 21 dias, totalizando 820 imagens. Para treinamento do modelo, foram selecionadas 75 imagens representando início, meio e fim da colonização, incluindo variações como cor do meio, presença de condensação e contaminantes. As colônias foram segmentadas manualmente no software Studio-Label, gerando coordenadas de contorno. Destas, 68 imagens e contornos foram utilizadas para treinamento e 7 para validação do modelo YOLOv8, treinado na plataforma Google Colab. O modelo foi então aplicado a todas as imagens do experimento, utilizando um script em Python que automatizou a quantificação do diâmetro das colônias e a geração de planilhas de dados. As imagens foram previamente renomeadas para facilitar a extração automática de tratamentos e repetições. Para comparação, 30 imagens foram medidas manualmente no software ImageJ, permitindo comparar os dados com as medições da IA por meio de correlação linear e regressão. A análise revelou uma forte correlação positiva entre os métodos (coeficiente de Pearson r = 0,9979). A regressão linear ajustada (y = 0,965 × Manual + 0,0319; R² = 0,9957) indicou que a IA reproduz de forma consistente a variação das medições manuais, com um leve viés de subestimação em valores maiores. Houve ainda uma diferença significativa de tempo, enquanto a medição manual de 820 placas seria demorada a IA processou todas as imagens em ~ 20 minutos, e tirar as fotografias é mais rápido que realizar a medição manual com paquímetro. Esses resultados demonstram que o sistema automatizado é altamente confiável e pode substituir medições manuais, proporcionando ganho significativo de tempo e consistência nos dados, além de ter potencial aplicação para outras espécies fúngicas, contribuindo para otimização de estudos de crescimento micelial. Portanto, a rede neural mostrou-se eficaz e acurada em relação a medição manual, proporcionando aumento de eficiência. Ainda restam melhorias a serem implementadas e exploradas, como por exemplo aquisição em tempo real da identidade e do diâmetro das colônias.

Título do Evento: XII Reunião Anual de Iniciação Científica da UFRRJ (RAIC 2025) & VI Reunião Anual de Iniciação em Desenvolvimento Tecnológico e Inovação (RAIDTec 2025)
Cidade do Evento: Seropédica
Título dos Anais do Evento: Anais da Reunião Anual de Iniciação Científica e Reunião Anual de Iniciação em Desenvolvimento Tecnológico e Inovação da UFRRJ - Justiça climática: por um mundo mais sustentável, justo e igualitário
Nome da Editora: Even3
Meio de Divulgação: Meio Digital

Como citar

NAGY, Guilherme Martins et al.. APLICAÇÃO DE REDES NEURAIS CONVOLUCIONAIS PARA MENSURAR O CRESCIMENTO DE PHLEBOPUS BENIENSIS: COMPARAÇÃO COM MEDIÇÕES EMPÍRICAS.. In: Anais da Reunião Anual de Iniciação Científica e Reunião Anual de Iniciação em Desenvolvimento Tecnológico e Inovação da UFRRJ - Justiça climática: por um mundo mais sustentável, justo e igualitário. Anais...Seropédica(RJ) UFRRJ, 2025. Disponível em: https//www.even3.com.br/anais/xii-reuniao-anual-iniciacao-cientifica-da-ufrrj-raic/1322004-APLICACAO-DE-REDES-NEURAIS-CONVOLUCIONAIS-PARA-MENSURAR-O-CRESCIMENTO-DE-PHLEBOPUS-BENIENSIS--COMPARACAO-COM-MED. Acesso em: 29/05/2026