Quantificação de danos foliares causados por doenças necróticas em genótipos de amendoim por meio de segmentação de imagens digitais

Abstract

Este trabalho teve como objetivo desenvolver e validar uma metodologia automatizada para a avaliação da severidade de doenças foliares necróticas em genótipos de amendoim, utilizando imagens digitais processadas em ambiente Google Colab. O experimento foi conduzido em Jaboticabal-SP, com 12 genótipos do grupo ‘runner’ avaliados em delineamento de blocos casualizados. Imagens representativas das parcelas foram capturadas contra fundo branco, com quadro de referência, permitindo a calibração espacial. O pipeline desenvolvido utilizou segmentação em HSV para isolar a área foliar total e detectar regiões necrosadas, gerando automaticamente máscaras, planilhas quantitativas com áreas e porcentagens, gráficos comparativos e relatórios visuais consolidados em PDF. Os resultados mostraram variação na severidade das doenças entre os genótipos, com destaque para IAC OL7, IAC OL5 e IAC OL6, que apresentaram menos de 5% de necrose, contrastando com IAC 503, que ultrapassou 21%. A metodologia demonstrou ser uma alternativa prática, rápida e reprodutível em relação às escalas diagramáticas tradicionais, superando limitações como a subjetividade e a variabilidade entre avaliadores. O pipeline proposto representa, assim, uma ferramenta promissora para o monitoramento fitossanitário e para programas de melhoramento genético, contribuindo para a sustentabilidade e a racionalização do manejo de doenças na cultura do amendoim.

This study aimed to develop and validate an automated methodology for assessing the severity of foliar necrotic diseases in peanut genotypes, using digital images processed in the Google Colab environment. The experiment was carried out in Jaboticabal-SP, evaluating 12 ‘runner’ group genotypes under a randomized block design. Representative images of the plots were captured against a white background with a reference frame, enabling spatial calibration. The pipeline employed HSV segmentation to isolate the total leaf area and detect necrotic regions, automatically generating masks, quantitative spreadsheets with areas and percentages, comparative charts, and consolidated visual reports in PDF format. The results revealed variations in disease severity among genotypes, with IAC OL7, IAC OL5, and IAC OL6 standing out by presenting less than 5% necrosis, in contrast to IAC 503, which exceeded 21%. The methodology proved to be a practical, rapid, and reproducible alternative to traditional diagrammatic scales, overcoming limitations such as subjectivity and inter-evaluator variability. Thus, the proposed pipeline emerges as a promising tool for phytosanitary monitoring and breeding programs, contributing to the sustainability and rationalization of disease management in peanut crops.