Title:	Predição e detecção de Desordens Fisiológicas e Antracnose em mangas usando Espectroscopia do Visível ao Infravermelho próximo (VIS-NIR) e aprendizado de máquinas.
Authors:	ALVES, J. da S.
Affiliation:	JASCIANE DA SILVA ALVES, UNIVERSIDADE FEDERAL DE PERNAMBUCO.
Date Issued:	2026
Citation:	2026.
Pages:	89 f.
Description:	A manga é um fruto altamente perecível e particularmente suscetível a patologias póscolheita, como a antracnose e os distúrbios fisiológicos, que representam importantes obstáculos à produção e à comercialização, resultando em elevadas perdas econômicas. Uma característica comum a essas condições é o fato de os sintomas se manifestarem apenas após a colheita, durante o amadurecimento dos frutos, o que dificulta a detecção precoce e o manejo adequado. Nesse contexto, este estudo teve como objetivo desenvolver metodologias não destrutivas baseadas em espectroscopia Vis-NIR associada a algoritmos de aprendizado de máquina para a detecção e a predição de distúrbios fisiológicos e antracnose em mangas. No primeiro experimento, foi desenvolvida uma abordagem para a detecção não destrutiva de distúrbios fisiológicos internos (corte negro, tecido esponjoso, semente gelatinosa e nariz mole) utilizando espectros Vis-NIR de frutos intactos de três cultivares. Os espectros foram adquiridos na colheita e após o armazenamento, e a incidência dos distúrbios foi confirmada por avaliação visual após o corte longitudinal dos frutos. Modelos baseados em diferentes algoritmos de aprendizado de máquina (J48, Random Forest, Multilayer Perceptron, SMO e LibSVM) foram avaliados por validação cruzada. A discriminação entre frutos saudáveis e frutos com distúrbios foi alcançada com acurácia variando de 72,3% a 97,0% para espectros coletados na colheita e de 63,7% a 96,2% para espectros coletados após o amadurecimento. Para os espectros coletados na colheita, os melhores resultados foram obtidos com RF e MLP para corte negro, J48 para tecido esponjoso e LibSVM para nariz mole e semente gelatinosa. Para os espectros de frutos armazenados, o melhor desempenho foi observado com SMO para semente gelatinosa e tecido esponjoso, e com RF para nariz mole e corte negro. No segundo experimento, a espectroscopia Vis-NIR foi aplicada para a detecção da antracnose em estágio de infecção latente e para a quantificação da severidade dos sintomas em mangas ‘Palmer’. Os frutos foram inoculados com uma suspensão de conídios de Colletotrichum sp. (1 × 10⁶ conídios mL⁻¹), e os espectros (330–1100 nm) foram adquiridos diariamente durante cinco dias consecutivos. Modelos de classificação foram desenvolvidos para discriminar frutos sadios de frutos inoculados, porém assintomáticos, e modelos de regressão foram ajustados para a predição do tamanho da lesão em frutos sintomáticos, utilizando a faixa espectral de 420–1050 nm. Oito algoritmos de classificação e cinco de regressão foram avaliados, com destaque para Random Forest, que apresentou o melhor desempenho, alcançando 93,8% de acurácia no treinamento e 88,2% no teste para a detecção de frutos assintomáticos, além de coeficientes de determinação (R²) superiores a 0,7 na predição da severidade da doença. De forma geral, os resultados demonstram que a espectroscopia Vis-NIR associada ao aprendizado de máquina é uma ferramenta promissora para a detecção precoce e não destrutiva de distúrbios fisiológicos e antracnose em mangas, contribuindo para o monitoramento da qualidade dos frutos e para a redução de perdas na cadeia produtiva.
Thesagro:	Manga Controle de Qualidade Pós-Colheita Doença Antracnose
NAL Thesaurus:	Colletotrichum
Keywords:	Desordens Fisiológicas Espectroscopia Mangicultura
Notes:	Tese (Doutorado em Biotecnologia) - Universidade Federal de Pernambuco, Centrode Biociência. Recife. Orientada por Ederson Akio Kido; co-orientada por Sérgio Tonetto de Freitas, Embrapa Semiárido.
Type of Material:	Teses
Access:	openAccess
Appears in Collections:	Tese/dissertação (CPATSA)