(Curadoria Agro Insight)
Os biossensores são dispositivos bioeletrônicos capazes de detectar rapidamente espécies químicas e/ou biológicas (analito), tanto qualitativa como quantitativamente. Esses dispositivos estão sendo recomendados para serem empregados nas áreas da saúde, ambiental, alimentícia e até na prevenção de bioterrorismo. Os biossensores são constituídos, essencialmente, de elemento biológico, transdutor e de parte eletrônica. O elemento biológico ou o elemento sensor tem a propriedade de reconhecer seletivamente e interagir com o analito. Podem ser empregados na superfície sensora microrganismos ou materiais oriundos de organismos como anticorpos, ácido nucléico, células, organelas, proteínas, entre outros. A interação resulta na alteração de uma ou mais propriedades físico-químicas (modificação de pH, transferência de elétrons, variação de massa, transferência de calor, liberação de gases ou íons) que são detectadas e medidas pelo transdutor. O principal objetivo é produzir um sinal eletrônico proporcional em magnitude e/ou frequência à concentração de um determinado analito ou grupo de analitos que interagem com o elemento biossensível. A parte eletrônica é constituída de amplificador dos sinais elétricos e do sistema de processamento dos dados.
Novas tecnologias de sensores e biossensores para monitorar ambiente e estresses bióticos e abióticos
Os sensores utilizados na agricultura têm crescido em quantidade e diversidade. Sensores ambientais e meteorológicos são tecnologias com um alto nível de maturidade e menos sujeitas a avanços significativos, mas a integração desses sensores e a gestão apropriada dos dados gerados são linhas de pesquisa importantes, especialmente em se tratando da exploração de conceitos como IoT (Internet das Coisas –IoT) e redes de sensores. Essas tecnologias, embora também relativamente maduras, ainda precisam ser testadas adequadamente no ambiente agrícola, que apresenta desafios significativos no que se refere à conectividade, ao consumo de energia e à robustez contra danos (Thakur et al., 2019; García et al., 2020).
O uso de sensores RGB, que capturam imagens no espectro visível, em conjunto com modelos de aprendizado profundo, está bem estabelecido, porém dois grandes desafios permanecem (Barbedo, 2018, 2019). Em primeiro lugar, para que sensores desse tipo possam ser utilizados, é necessário que os modelos sejam treinados com dados representativos, e a coleta desses dados demanda grande esforço. Em segundo lugar, sensores hiperespectrais, que fornecem detalhes espectrais de um objeto, serão cada vez mais essenciais para a detecção precoce de estresses bióticos e abióticos.
Além dos métodos ópticos para detecção precoce de estresses bióticos e abióticos, existe uma nova fronteira sendo apresentada, que é a medida de compostos orgânicos voláteis (COVs), os quais são utilizados tanto como marcador não invasivo (Niederbacher et al., 2015), quanto como sinal do comportamento da planta com relação ao meio ambiente. Os COVs são um elemento vital do fenótipo de uma planta e são considerados um trait central no ecossistema das plantas, devido ao seu papel como sinais ecológicos e sua influência na química atmosférica (Jud et al., 2018).
Outra tecnologia que deverá ganhar espaço nos próximos anos é o biossensor nanoestruturado. Por meio da exploração das propriedades funcionais dos materiais na escala nano, esse tipo de sensor pode fornecer, a um baixo custo, informações precisas sobre parâmetros como umidade, nutrientes e patógenos presentes na água, no solo e no ar. Avanços significativos vêm sendo alcançados, mas significativo esforço de pesquisa ainda é necessário (Antonacci et al., 2018).
Em muitas aplicações, um único tipo de sensor não é capaz de produzir as respostas necessárias. A fusão de dados, em que as leituras de diferentes tipos de sensores são combinadas em um único sistema, surge como uma forte tendência para os próximos anos (Barbedo, 2018, 2019). Várias técnicas de fusão de dados de diferentes graus de complexidade tendem a ser exploradas no contexto agrícola (Borràz et al., 2015).
BIBLIOGRAFIA E LINS RELACIONADOS
VISÃO de futuro do agro brasileiro: sumário executivo. Brasília, DF: Embrapa, 2022. 8 p., 2022.
FURTADO et al. Aplicações de biossensores na análise da qualidade de alimentos. Fortaleza : Embrapa Agroindústria Tropical, 2008.
ANTONACCI, A.; ARDUINI, F.; MOSCONE, D.; PALLESCHI, G.; SCOGNAMIGLIO, V. Nanostructured (bio)sensors for smart agriculture. TrAC Trends in Analytical Chemistry, v. 98, p. 95-103, 2018. DOI: https://doi.org/10.1016/j.trac.2017.10.022.
BARBEDO, J. G. A. Factors influencing the use of deep learning for plant disease recognition. Biosystems Engineering, v. 172, p. 84-91, 2018. DOI: https://doi.org/10.1016/j.biosystemseng.2018.05.013.
BARBEDO, J. G. A. Plant disease identification from individual lesions and spots using deep learning. Biosystems Engineering, v. 180, p. 96-107, 2019. DOI: https://doi.org/10.1016/j.biosystemseng.2019.02.002.
BORRÀS, E.; FERRÉ, J.; BOQUÉ, R.; MESTRES, M.; ACEÑA, L.; BUSTO, O. Data fusion methodologies for food and beverage authentication and quality assessment. Analytica Chimica Acta, v. 891, p. 1-14, 2015. DOI: https://doi.org/10.1016/j.aca.2015.04.042.
GARCÍA, L.; PARRA, L.; JIMENEZ, J. M.; LLORET, J.; LORENZ, P. IoT-based smart irrigation systems: an overview on the recent trends on sensors and IoT systems for irrigation in precision agriculture. Sensors, v. 20, article 1042, 2020. DOI: https://doi.org/10.3390/s20041042.
NIEDERBACHER, B.; WINKLER, J. B.; SCHNITZLER, J. P. Volatile organic compounds as non- invasive markers for plant phenotyping. Journal of Experimental Botany, v. 66, n. 18, p. 5403-5416, 2015. DOI: https://doi.org/10.1093/jxb/erv219.
JUD, W.; WINKLER, J. BARBRO; NIEDERBACHER, B.; SCHNITZER, J.-P. Volatilomics: a non-invasive technique for screening plant phenotypic traits. Plant Methods, v. 1, article number 109, Dec. 2018. DOI: https://doi.org/10.1186/s13007-018-0378-4.
THAKUR, D.; KUMAR, Y.; KUMAR, A.; SINGH, P. K. Applicability of wireless sensor networks in precision agriculture: a review. Wireless Personal Communications, v. 107, p. 471-512, 2019. DOI: https://doi.org/10.1007/s11277-019-06285-2.
