Plantendetectives en ingenieurs van de Universiteit van Florida gebruiken kunstmatige intelligentie om een ziekte vroegtijdig op te sporen, zodat telers die zomerpompoen produceren deze onder controle kunnen houden. Vroege detectie geeft boeren een kans op een betere oogst.
Zomer- en winterpompoenen worden in de hele staat commercieel geteeld, vooral in het zuidoosten en zuidwesten van Florida. In 2019 oogstten telers in Florida 7,700 hectare pompoen, met een productiewaarde van $35.4 miljoen, volgens de USDA National Agricultural Statistics Service. Maar echte meeldauwziekte, die over de hele wereld voorkomt, kan de opbrengst verminderen.
“De ideale omgeving waarin echte meeldauw kan infecteren is vochtig weer, veel beplanting en schaduw”, zegt Yiannis Ampatzidis, UF/IFAS assistent-professor landbouw- en biologische technologie en co-auteur van een artikel. nieuwe studie naar vroege detectie van echte meeldauw, gepubliceerd in het tijdschrift Biosystems Engineering.
Voor de studie gebruikten UF/IFAS-onderzoekers een sensorsysteem dat aan drones was bevestigd om spectrale gegevens te verzamelen van echte meeldauw op zomerpompoen in de velden en laboratoria van het UF/IFAS Southwest Florida Research and Education Center.
UF/IFAS-onderzoekers gebruikten technologie die niet afhankelijk is van visuele symptomen om echte meeldauw te detecteren, zei Ampatzidis. Menselijke ogen kunnen alleen het lichte deel van het elektromagnetische spectrum zien. Deze technologie kan meer ‘zien’. Daarom gebruikten onderzoekers dit onderzoek om de beste golflengten te identificeren voor vroege detectie van echte meeldauw – op bladeren die geen symptomen vertoonden of vroege symptomen vertoonden.
Onderzoekers gebruikten machinaal leren – een subset van kunstmatige intelligentie – dat kan ‘leren’ van spectrale gegevens om echte meeldauw te detecteren. De gegevens kwamen van drones en sensorsystemen op de grond. Het getrainde machinale leermodel identificeerde echte meeldauw in verschillende ontwikkelingsstadia van de ziekte, zei Ampatzidis. Het machinale leersysteem bouwt een wiskundig model om echte meeldauw te detecteren zonder door een mens te worden geprogrammeerd om specifieke stappen te volgen.
Met de beelden en spectrale reflectieanalyse van pompoenbladeren ontdekten wetenschappers ongeveer 95% van de tijd poederachtig materiaal. Zelfs zonder zichtbare symptomen van de ziekte liet de technologie onderzoekers 82% tot 89% van de tijd de ziekte zien.
“Het is van cruciaal belang om echte meeldauw vroegtijdig te identificeren, omdat de ziekte zich snel verspreidt en de laesies in omvang toenemen en een stoffige witte of grijze laag ontwikkelen”, zegt Ampatzidis, faculteitsadviseur van Jaafar Abdulridha, de postdoctorale onderzoeker van de UF/IFAS die leiding gaf aan de studie.
Pamela Roberts, hoogleraar plantenpathologie bij UF/IFAS, heeft gegevens nodig van ingenieurs als Ampatzidis om haar te helpen ziekten in de vroegste stadia te vinden. Ze vergelijkt het met de vroege detectie van ziekten bij de mens.
“Vroegtijdige detectie van welk gezondheidsprobleem dan ook, zowel bij mensen als bij planten, geeft de beste kans om het onder controle te krijgen door vroegtijdig ingrijpen”, zegt Roberts, co-auteur van het onderzoek. “Op dezelfde manier kunnen plantenziekten gemakkelijker worden bestreden in een vroeg stadium, wanneer de ziekteverwekkerpopulatie laag is, vergeleken met later in de epidemie.”
“Bovendien kan deze technologie het gebruik van chemische sprays daadwerkelijk verminderen, door toepassingen te elimineren die zouden kunnen worden uitgevoerd voordat er daadwerkelijk een ziekte onder controle is,” zei ze. “Aangezien echte meeldauw een chronisch probleem is bij squash in het zuidwesten van Florida, is het alleen een kwestie van wanneer, niet of, de ziekte zal verschijnen. Nauwkeurige timing van fungiciden, zowel in de conventionele als in de biologische landbouw, kan de werkzaamheid van het product vergroten en de verliezen verminderen.”
De belangrijkste symptomen van echte meeldauw zijn witte vlekken of vlekken, meestal op de bladeren. Het diagnosticeren van echte meeldauw in een vroeg infectiestadium is moeilijk vanwege de symptomen op lagere, meer volwassen bladeren die vaak bedekt zijn door andere bladeren.
“Kortom: een ziekte zou de bladeigenschappen kunnen veranderen en de hoeveelheid licht kunnen beïnvloeden die wordt gereflecteerd door bladeren in gebieden buiten het zichtbare spectrum, die mensen niet kunnen zien,” zei Ampatzidis.
- Brad Buck, Universiteit van Florida