Carlos A. Ordóñez-ParraNas últimas décadas, os ecologistas têm usado cada vez mais uma abordagem baseada em traços, o que significa que eles estão usando características morfológicas, fisiológicas ou fenológicas dos organismos para interpretar e entender as dinâmicas ecológicas. Para os ecólogos de sementes, essas características geralmente vêm na forma de medidas de tamanho de sementes e descrições das suas formas e apêndices. A obtenção dessas características morfológicas pode ser um processo muito demorado, que envolve longos dias no microscópio e decifrar a melhor maneira de classificar as sementes em classificações subjetivas de forma e cor A análise de imagens é a solução mais natural para essa tarefa, pois os computadores podem ser programados para extrair informações das imagens das sementes. Ainda assim, as abordagens mais comuns, como thresholding e deep learning, têm dificuldades com a alta diversidade de morfologias de sementes ou exigem recursos computacionais sofisticados.
Em resposta a esses desafios, uma equipe de pesquisa liderada pela Dra Roberta LC Dayrell (@RobertaDayrell no Twitter) criou o Traitor -um software de código aberto que automatiza a extração de características de tamanho, forma e cor de sementes a partir de imagens. Diferentemente de outras ferramentas disponíveis, o Traitor utiliza uma técnica de segmentação não supervisionada que permite a separação automática de sementes de fundos de alto contraste sem treinamento ou ajustes manuais. Além disso, o software foi projetado para processar centenas de imagens de diversos táxons, permitindo análises em grande escala que antes eram inviáveis.
Para utilizar o Traitor, o usuário só precisa seguir quatro passos. Primeiro, as sementes devem ser separadas dos detritos e de outros apêndices, como estruturas peludas e galhos, que poderiam complicar a aquisição e o processamento de imagens. Em seguida, as imagens das sementes são obtidas usando um scanner com um fundo de cor homogênea que contrasta com as das sementes. Estas imagens devem incluir uma tabela de cores com padrões para a próxima etapa, em que as imagens são processadas para padronização de cores, e as sementes são automaticamente separadas do fundo. No final da fase de processamento, é criada uma silhueta para cada semente, que é então alinhada para ficar relativamente na mesma posição que as outras. Por fim, os contornos são usados para extrair todos os traços. Poderíamos pensar que todos esses processos exigiriam muitos comandos, mas a verdade é que o Traitor pode fazer tudo isso usando apenas três comandos!
Em uma entrevista com a Botany One, Dayrell comentou que o principal desafio durante o desenvolvimento do Traitor foi definir os traços específicos a serem extraídos. Em suas próprias palavras, o objetivo da equipe "era extrair características que pudessem comunicar com eficiência informações interpretáveis sobre as características morfológicas das sementes". Ela continua, "isso provou ser uma tarefa complexa, especialmente quando se trata de forma e cor, que são características intrincadas e multifacetadas". No final, essa primeira versão do software inclui doze características, incluindo medidas morfométricas (como comprimento, área e perímetro), de cor e forma.
Para verificar a precisão das medidas de seu programa, Dayrell e sua equipe usaram o DiasMorph –um banco de dados de características e imagens de sementes da Europa Central com mais de 1200 táxons– e compararam as medidas obtidas pelo Traitor com as medidas obtidas manualmente. Os resultados da validação não deixam dúvidas sobre a precisão do Traitor: as medições manuais e automáticas coincidiram em cerca de 98%! No entanto, Traitor não funciona apenas para extrair esse tipo de informação morfológica, mas tem excelente potencial para obter dados como descrição de cores e classificação de formas.
A cor da semente é valiosa, por exemplo, para distinguir espécies diferentes e tem sido associada a processos de grande importância ecológica, como a persistência de sementes no solo. No entanto, dado o número infinito de cores existentes, é sempre complicado comparar cores entre observadores. Pode-se pensar que é possível resolver esse problema classificando as cores em categorias amplas, como sementes vermelhas, marrons e cinzas, mas isso significaria perder variações sutis. O Traitor supera esses desafios extraindo o valores sRGB que correspondem às cores da semente. Esses valores, que são universais e únicos para cada cor, podem então ser usados em análises quantitativas que podem abranger desde a descrição da variação de cores dentro de clados até a evolução da cor das sementes, abrindo caminho para novos e interessantes caminhos e aplicações de pesquisa.
Desafios semelhantes surgem quando os pesquisadores querem descrever formas, pois os limites entre uma e outra podem ser subjetivos e abstratos. Por exemplo, quando uma semente deixa de ser "redonda" e começa a ser "oval"? Qual é o limite entre as sementes "ovais" e "ovóides"? Bem, o Traitor nos livra dessas preocupações, pois ele pode produzir valores quantitativos sobre as formas das sementes, incluindo a circularidade e a relação altura/largura, o que nos permite analisar as formas das sementes de forma objetiva. Por exemplo, Dayrell e sua equipe usaram esses dados para caracterizar as sementes das espécies de Carex encontradas no DiasMorph e as classificaram em oito categorias de formas diferentes com base na proporção e na simetria. Notavelmente, algumas espécies foram consistentemente atribuídas a uma determinada classe de forma, ilustrando o potencial de sua abordagem para a criação de ferramentas de identificação de sementes.
Considerando todas essas funções excepcionais, o Traitor promete ser uma ferramenta útil para o avanço da ecologia de sementes, pois permitirá a extração automatizada de várias características de sementes de maneira fácil de usar e eficiente em termos de tempo. Além disso, os descritores quantitativos de forma e cor aprimorarão uma descrição mais precisa e interpretável dessas características. Sua validação bem-sucedida com o banco de dados DiasMorph comprova seu alto potencial de produzir conjuntos de dados grandes e confiáveis de características de sementes, um recurso que falta na maior parte do mundo, especialmente nos trópicos. Como Dayrell nos disse na entrevista, "Vale a pena observar que esse método de extração de características é econômico, exigindo apenas um computador, um scanner e uma tela de alto contraste. Esse custo acessível o torna particularmente valioso para esforços de pesquisa em laboratórios onde os recursos podem ser limitados."
Esses resultados também são importantes fora da ecologia. Dayrell destacou que, por exemplo, esse software tem um grande potencial para o fitomelhoramento. Ela argumenta que "a identificação e a seleção de sementes com as características desejadas desempenham um papel fundamental nos programas de melhoramento de plantas. O resultado do Traitorfornece informações valiosas para avaliar e classificar sementes com base em seus atributos morfológicos. Esse recurso aumenta a eficiência e a eficácia dos esforços de melhoramento de plantas, facilitando a identificação e a propagação de sementes com as características desejadas". Ela também destacou a função potencial do Traitor na geração de dados que podem alimentar o desenvolvimento de ferramentas de identificação intuitivas e fáceis de usar que podem ser utilizadas em várias disciplinas, como restauração ecológica, arqueobotânica e etnobotânica. Uma coisa é certa: as possibilidades são infinitas, e o Traitor parece estar à altura do desafio. Se você quer saber, mal posso esperar para experimentá-lo!
LEIA O ARTIGO
Dayrell, RLC, Ott, T., Horrocks, T., & Poschlod, P. Automated extraction of seed morphological traits from images. Methods in Ecology and Evolution. Disponível em: https://doi.org/10.1111/2041-210X.14127
William Salter
