Avaliação do foundation model SAM3 para segmentação de raízes em Floresta Ombrófila Mista

A análise de imagens de minirhizotron ainda depende de rastreamento manual, processo demorado e com baixa reprodutibilidade entre operadores, o que limita sua escalabilidade e justifica a investigação de foundation models de inteligência artificial, como o SAM3, para automatização da segmentação de raízes. Este estudo avaliou o desempenho do SAM3 em modo zero-shot para detecção e segmentação de raízes em imagens de minirhizotron obtidas em Floresta Ombrófila Mista (FOM), em três estágios sucessionais (inicial, intermediário e avançado), comparando prompts textuais ("plant root", "root system", "roots") e bounding box global, com e sem pré-processamento por CLAHE, tendo como referência as anotações manuais do software RootSnap!. As métricas morfológicas — comprimento total, diâmetro médio e volume — foram extraídas das máscaras binárias pelo método por pixel do esqueleto. O SAM3 superestimou sistematicamente o comprimento radicular em todos os métodos testados (≈28.900 cm vs. 79–185 cm pelo RootSnap!), sem discriminação efetiva entre raízes e demais estruturas do solo. O filtro CLAHE não produziu melhoria consistente no desempenho do modelo. Os resultados indicam que o SAM3 zero-shot não é suficiente para segmentação precisa de raízes em imagens de minirhizotron, evidenciando a necessidade de ajuste fino com dados do domínio para aplicações em inventários florestais.