A Mancha Amarela do Trigo é das mais importantes doenças desse cereal, causando perdas de até 80% no mundo, a nível de lavoura. P. tritici-repentis se desenvolve em ambientes de temperaturas amenas e também quando a temperatura se aproxima de 30ºC, característica de ambientes tropicais. O projeto busca por soluções relacionadas à correta identificação e detecção precoce de doenças, alinhadas à fenotigagem rápida em larga escala (high throughput phenotyping). Com abordagem inovadora, serão utilizados equipamentos para captura, em tempo real, de imagens dos sintomas de estresse por doença fúngica. Essas imagens serão utilizadas, de forma dinâmica, por algoritmo em todas as fases de desenvolvimento do patógeno causador do estresse. Dessa forma, o algoritmo poderá ser treinado a reconhecer sintomas de forma precoce, com acurácia e livre da subjetividade do avaliador. O aplicativo DeepSpot, que já se encontra em desenvolvimento pelo grupo do DeepFenoMA, na Embrapa Trigo, utilizará o referido algoritmo, que será validado, em campo, através da identificação de sintomas em um grupo de linhagens de trigo elite, provenientes do Cimmyt. Esse aplicativo será treinado também no reconhecimento de sintomas produzidos pela PtrToxA, viabilizada pela colaboração com a Curtin University (Austrália) e o Departamento de Agricultura dos Estados Unidos (USDA-ARS), que forneceram amostras da toxina purificada e primers específicos no patógeno, respectivamente. Para aumentar a capacidade de processamento e visando a diminuir o tempo de alcance dos resultados buscados, propõe-se o uso de um kit externo de processamento GPGPU, composto por placa e módulo de conexão, para fins de treinamento e avaliação dos modelos, o qual será adicionado ao sistema computacional existente atualmente na Embrapa Trigo. Para os testes e validação do DeepSpot, o modelo de classificação será instalado em smartphones e tablets (sistemas iOS e Android). Nesses dispositivos, serão observadas medidas de performance e facilidade de uso, buscando assim entregar, ao cliente final, produtores rurais e técnicos, um produto viável e com potencial inovador. Além do aplicativo validado, objeto de entrega do DeepFeNoMA, o DeepSpot será estendido para uso com tecnologias de realidade aumentada, as quais possibilitam ao usuário, além da visualização dos sintomas da doença, informações da planta e do clima. Este algoritmo também deverá ser disponibilizado em sistemas de eletrônica embarcada para obtenção de imagens em tempo real, passível de obtenção de patente. Nesse contexto, espera-se que, através do projeto, a cadeia produtiva do trigo seja impactada pelo manejo eficiente, oportuno e econômico, do agente causal de estresse biótico sobre a planta, minimizando seu efeito negativo sobre o rendimento, associado à racionalização no uso de fungicidas, possível quando existe conhecimento aprofundado do patossistema envolvido.