Os efeitos tóxicos causados por agentes físicos e químicos são um problema potencial de importância agrícola, desde o cloreto de sódio (NaCl) até as frequentemente muito usadas nanopartículas de prata (AgNPs). Está claro que os efeitos tóxicos do NaCl em altas concentrações podem atuar devido ao estresse hídrico pela diminuição do potencial osmótico, por outro lado também podem ser devido ao efeito tóxico dos íons. Ao contrário da salinidade, as vias metabólicas dos efeitos tóxicos causados pelas AgNPs nas plantas ainda não estão muito claras e as pesquisas ainda estão em andamento, mas há antecedentes e propostas de que podem causar diferentes tipos de danos em plantas, como citotoxicidade e genotoxicidade. Várias técnicas computacionais fizeram progressos significativos no processamento de imagens, especialmente Redes Neurais Convulcionais (CNN); podem ser muito úteis na assistência técnica para detecção automática de doenças e também em detecção de plasticidade frente a agentes tóxicos. Para gerar as imagens necessárias para o treinamento das redes neurais artificiais são realizados experimentos com temperatura, fotoperíodo e umidade constantes. Os experimentos foram divididos em dois métodos, as plantas que foram submetidas à toxicidade com NaCl foram cultivadas em substrato Carolina Soil (in vivo), e as plantas tratadas com AgNPs são cultivadas in vitro e ambos submetidos a tratamentos de toxicidade nas mesmas condições iniciais. As plantas de Tradescantia minima submetidas a experimentos de toxicidade com NaCl apresentaram menor crescimento em altas concentrações, além disso, as folhas das plantas tratadas com cloreto de sódio apresentavam sinais de desidratação (plasmólise). No caso das plantas tratadas com AgNPs, a diferença no crescimento foi menor. Os resultados das redes neurais mostraram uma capacidade relativamente elevada de detecção de plasticidade fenotípica e classificação das imagens, com média de x = 74.02%, enquanto os métodos clássicos de visão computacional (descritores de textura) apresentaram média de x = 51.40% de taxa acerto (accuracy). Enquanto os resultados obtidos com inteligência artificial por cada experimento (NaCl e AgNPs), mostraram resultados promissores: 78.00% e 92.67% de accuracy (para NaCl e AgNPs respectivamente), revelando a efetividade das redes neurais (CNN) para detectar os efeitos tóxicos e classificar as imagens microscópicas segundo a plasticidade fenotípica nas folhas. Além disso, as taxas de acerto (accuracy) dos experimentos com menor concentração de NaCl foram 88.52% (1 mM) de NaCl e 87.41% (10 mM) de NaCl; no caso dos experimentos com nanopartículas de prata as taxas de acerto dos experimentos com menor concentração foram de 97.5% (diluição 1:1000) e 97.6% (diluição 1:100) de AgNPs.

The toxic effects caused by physical and chemical agents are a potential problem of global importance in the agricultural sector, due to the use of agents such as sodium chloride (NaCl) and silver nanoparticles (AgNPs), the last one frequently used in different industries. Regarding the NaCl, it is clear that their toxic effects at high concentrations may be due to water stress (when osmotic potential is decreased), but may also be caused by the toxic effect of the ions. Unlike salinity, the metabolic pathways of the toxic effects caused by AgNPs in plants are still not very clear and research is still in process, but there are antecedents and hypotheses that these can cause different types of damage, such as cytotoxicity and genotoxicity. Several computational techniques have made significant advances in image processing, especially convolutional neural networks (CNN); These techniques can be very useful in technical assistance for the automatic detection of diseases and also in the detection of plasticity against toxic agents. In order to generate images for training artificial neural networks, experiments are carried out with temperature, photoperiod and humidity at constant parameters. Experiments were divided into two methods, the plants that were subjected to toxicity with NaCl were grown in substrate Carolina Soil (in vivo), and the plants treated with AgNPs were grown in vitro and both were subjected to toxicity treatments under the same initial conditions. Plant Tradescantia minima subjected to toxicity experiments with NaCl showed less growth at high concentrations, their leaves also showed signs of dehydration (plasmolysis). In the case of plants treated with AgNPs, the growth difference was shorter. The results obtained with artificial intelligence in the experiments carried out with NaCl and AgNPs, yielded promising results for the use of AI in the detection of toxic effects through images and classifying the microscopic images according to the phenotypic plasticity in the leaves: 78.00% and 92.67% accuracy, for NaCl and AgNPs respectively, revealing the effectiveness of neural networks (CNN).