Rastlinski detektivi in inženirji z Univerze na Floridi uporabljajo umetno inteligenco za zgodnje odkrivanje bolezni, da jo lahko pridelovalci, ki pridelujejo poletne buče, obdržijo pod nadzorom. Zgodnje odkrivanje daje kmetom priložnost za boljši pridelek.
Poletne in zimske buče komercialno gojijo po vsej državi, zlasti na jugovzhodu in jugozahodu Floride. Leta 2019 so pridelovalci na Floridi pobrali 7,700 hektarjev buč s pridelano vrednostjo 35.4 milijona dolarjev, poroča Ministrstvo za kmetijstvo USDA National Agricultural Statistic Service. Toda bolezen pepelasta plesen, ki je pogosta po vsem svetu, lahko zmanjša pridelek.
"Idealno okolje za okužbo s pepelasto plesnijo je vlažno vreme, veliko gostote sajenja in senca," je dejal Yiannis Ampatzidis, docent za kmetijsko in biološko inženirstvo pri UF/IFAS in soavtor nova študija o zgodnjem odkrivanju pepelaste plesni, objavljena v reviji Biosystems Engineering.
Za študijo so raziskovalci UF/IFAS uporabili senzorski sistem, pritrjen na brezpilotna letala, da bi zbrali spektralne podatke pepelaste plesni na poletnih bučah na poljih in v laboratorijih Raziskovalnega in izobraževalnega centra UF/IFAS Southwest Florida.
Raziskovalci UF/IFAS so za odkrivanje pepelaste plesni uporabili tehnologijo, ki se ne opira na vizualne simptome, je dejal Ampatzidis. Človeško oko lahko vidi le svetli del elektromagnetnega spektra. Ta tehnologija lahko »vidi« več. Tako so raziskovalci to študijo uporabili za identifikacijo najboljših valovnih dolžin za zgodnje odkrivanje pepelaste plesni – na listih, ki bodisi niso imeli simptomov ali pa so kazali zgodnje simptome.
Raziskovalci so uporabili strojno učenje – podmnožico umetne inteligence –, ki se lahko »uči« iz spektralnih podatkov za odkrivanje pepelaste plesni. Podatki prihajajo iz dronov in zemeljskih senzorskih sistemov. Usposobljeni model strojnega učenja je identificiral pepelasto plesen v različnih stopnjah razvoja bolezni, je dejal Ampatzidis. Sistem strojnega učenja zgradi matematični model za odkrivanje pepelaste plesni, ne da bi ga človek programiral za sledenje določenim korakom.
S slikami in analizo spektralne odbojnosti listov buče so znanstveniki v približno 95 % primerov zaznali prah. Dejansko je tehnologija raziskovalcem bolezen pokazala tudi brez vidnih simptomov bolezni v 82 do 89 % primerov.
"Ključnega pomena je, da zgodaj prepoznamo pepelasto plesen, saj se bolezen hitro širi in lezije se povečajo ter razvijejo prašno belo ali sivo prevleko," je dejal Ampatzidis, svetovalec Jaafarja Abdulridhe, podoktorskega raziskovalca UF/IFAS, ki je vodil študij.
Pamela Roberts, profesorica rastlinske patologije UF/IFAS, potrebuje podatke inženirjev, kot je Ampatzidis, da ji pomagajo najti bolezni v najzgodnejših fazah. Primerja ga z zgodnjim odkrivanjem človeških bolezni.
"Zgodnje odkrivanje kakršnih koli zdravstvenih težav, bodisi pri ljudeh ali rastlinah, daje najboljšo možnost za nadzor z zgodnjo intervencijo," je dejal Roberts, soavtor študije. "Prav tako je rastlinske bolezni lažje nadzorovati zgodaj, ko je populacija patogenov nizka, v primerjavi s poznejšimi fazami epidemije."
"Poleg tega lahko ta tehnologija dejansko zmanjša uporabo kemičnih razpršil, tako da odpravi aplikacije, ki bi jih lahko naredili, preden je dejansko kakšna bolezen, ki jo je treba nadzorovati," je dejala. »Ker je pepelasta plesen kronična težava na bučah na jugozahodu Floride, je samo vprašanje, kdaj se bo bolezen pojavila in ne če. Točna časovna razporeditev fungicidov, bodisi v konvencionalnem ali ekološkem kmetovanju, lahko poveča učinkovitost proizvoda in zmanjša izgube.«
Glavni simptomi pepelaste plesni so bele lise ali zaplate, običajno na listih. Diagnoza pepelaste plesni v zgodnjih fazah okužbe je težavna zaradi simptomov na nižjih, bolj zrelih listih, ki so pogosto prekriti z drugimi listi.
"Skratka, bolezen bi lahko spremenila lastnosti listov in vplivala na količino svetlobe, ki se odbija od listov na območjih zunaj vidnega spektra, ki jih ljudje ne morejo videti," je dejal Ampatzidis.
- Brad Buck, Univerza na Floridi