Peneliti Mengembangkan Metode Analisis Benih dengan Dukungan AI

Tim peneliti dari Pusat Energi Nuklir untuk Pertanian (CENA) Brasil dan Kolese Pertanian Luiz de Quieroz (ESALQ) telah menciptakan metode analisis kualitas benih yang didukung AI, yang secara dramatis mengurangi waktu yang dibutuhkan untuk menentukan kualitas benih pertanian.

Menurut Phys.org, tim peneliti mengumpulkan gambar benih dengan menggunakan teknologi pengimajan berbasis cahaya. Teknik yang digunakan oleh tim peneliti termasuk pengimajan multispektral dan fluoresensi klorofil. Tim peneliti memilih wortel dan tomat sebagai model eksperimental mereka, memilih varietas yang berbeda untuk diproduksi di negara-negara yang berbeda dan dalam kondisi yang berbeda. Benih yang mereka pilih adalah varietas tomat komersial yang diproduksi di AS dan Brasil, serta varietas wortel komersial yang diproduksi di Italia, Chili, dan Brasil.

Permintaan untuk tanaman ini meningkat di seluruh dunia, tetapi mengumpulkan benih untuk tanaman ini dapat sulit. Baik wortel dan tomat memiliki proses pematangan yang tidak seragam. Produksi benih untuk tanaman ini juga tidak sinkron, yang berarti bahwa lot benih yang diambil dari tomat dan wortel ini dapat mengandung benih yang matang dan belum matang. Tidak mudah untuk membedakan antara benih yang matang dan belum matang dengan mata telanjang, tetapi sistem visi komputer dapat membuat proses ini lebih mudah.

Secara tradisional, benih dinilai dengan tes perkecambahan dan vigor. Tes perkecambahan melibatkan penanaman dan perkecambahan benih, sedangkan tes vigor bertujuan untuk menilai bagaimana benih merespons stres. Dapat memakan waktu dua minggu atau lebih untuk mendapatkan hasil dari tes ini, yang berarti bahwa teknik pembelajaran mesin jauh lebih cepat daripada teknik analisis benih tradisional.

Setelah mengumpulkan gambar pelatihan, peneliti menggunakan klasifikasi hutan acak untuk mengotomatisasi interpretasi gambar benih. Sistem pengimajan optik ini memiliki banyak kelebihan dibandingkan dengan metode tradisional untuk menganalisis benih, salah satunya adalah bahwa teknologi pengimajan optik dapat digunakan pada seluruh batch benih bukan hanya sampel kecil dari batch tersebut. Kelebihan lain dari metode ini dibandingkan dengan teknik penilaian benih tradisional adalah bahwa teknik visi komputer non-invasif, sehingga tidak merusak produk yang dianalisis.

Salah satu metode untuk menganalisis kualitas benih yang digunakan oleh peneliti adalah fluoresensi klorofil. Algoritma yang dikembangkan oleh tim peneliti menggunakan kehadiran klorofil dalam benih. Klorofil menyediakan energi yang dibutuhkan benih untuk perkembangan, dan jika benih masih memiliki volume klorofil residu yang besar, ini berarti benih belum matang sepenuhnya. Klorofil residu ini dapat dideteksi dengan pengimajan multispektral, dengan cahaya merah yang mengaktifkan klorofil dan perangkat khusus yang menangkap fluoresensinya dan mengubahnya menjadi sinyal listrik.

Pengimajan multispektral melibatkan penggunaan LED untuk mengemisikan cahaya pada berbagai titik spektrum cahaya. Peneliti membagi cahaya yang dipancarkan menjadi 19 panjang gelombang yang berbeda dan menganalisis kualitas benih berdasarkan reflektansi untuk panjang gelombang tersebut. Mereka kemudian membandingkan hasil yang mereka peroleh dengan data kualitas yang diperoleh melalui metode analisis benih yang biasa. Peneliti menemukan bahwa menggunakan cahaya inframerah dekat paling efektif untuk penilaian benih wortel, sedangkan cahaya UV paling efektif untuk penilaian benih tomat UV.

Benih mengandung protein, gula, dan lipid yang menyerap panjang gelombang cahaya tertentu dan memantulkan cahaya lainnya. Kamera multispektral digunakan untuk menangkap cahaya yang dipantulkan, dan data gambar yang dihasilkan digunakan untuk menemukan benih dalam gambar yang diambil secara keseluruhan. Semakin banyak nutrisi yang terkandung dalam benih, semakin banyak panjang gelombang cahaya yang sesuai yang diserap. Serangkaian algoritma digunakan untuk mengidentifikasi panjang gelombang mana yang paling efektif untuk memvisualisasikan benih. Proses ini dapat digunakan untuk memberikan informasi tentang komposisi kimia benih yang sedang dipelajari, sehingga memungkinkan kualitasnya untuk diinferensikan. Tim peneliti kemudian menggunakan kemometrik, yang merupakan model matematika dan statistik yang digunakan untuk mengklasifikasikan bahan, untuk membuat kelas yang menggambarkan kualitas benih.

Akhirnya, peneliti dapat menggunakan model pembelajaran mesin untuk menilai akurasi model kemometrik yang mereka buat. Dalam kasus benih tomat, akurasi klasifikasi kualitas berkisar dari 86% hingga 95%. Dalam kasus benih wortel, akurasi berkisar dari 88% hingga 97%.

Baik teknik fluoresensi klorofil maupun pengimajan multispektral terbukti dapat diandalkan dan jauh lebih cepat daripada metode tradisional untuk menilai kualitas benih. Jika metode ini terbukti dapat diandalkan, maka memiliki potensi untuk membawa benih dengan kualitas lebih tinggi kepada petani di seluruh dunia.