Οι ντετέκτιβ και οι μηχανικοί φυτών από το Πανεπιστήμιο της Φλόριντα χρησιμοποιούν τεχνητή νοημοσύνη για να βρουν μια ασθένεια νωρίς, ώστε οι καλλιεργητές που παράγουν σκουός το καλοκαίρι να μπορούν να την κρατήσουν υπό έλεγχο. Η έγκαιρη ανίχνευση δίνει στους αγρότες μια ευκαιρία μάχης για καλύτερη σοδειά.
Το καλοκαίρι και το χειμώνα η κολοκύθα καλλιεργείται εμπορικά σε όλη την πολιτεία, ιδιαίτερα στη νοτιοανατολική και νοτιοδυτική Φλόριντα. Το 2019, οι καλλιεργητές της Φλόριντα συγκέντρωσαν 7,700 στρέμματα σκουός, με αξία παραγωγής 35.4 εκατομμυρίων δολαρίων, σύμφωνα με την Εθνική Υπηρεσία Γεωργικής Στατιστικής του USDA. Όμως η νόσος του ωιδίου, κοινή σε όλο τον κόσμο, μπορεί να μειώσει τις αποδόσεις.
«Το ιδανικό περιβάλλον για τη μόλυνση του ωιδίου είναι ο υγρός καιρός, η φύτευση υψηλής πυκνότητας και η σκιά», δήλωσε ο Γιάννης Αμπατζίδης, επίκουρος καθηγητής Γεωργικής και Βιολογικής Μηχανικής UF/IFAS και συν-συγγραφέας ενός νέα μελέτη για την πρώιμη ανίχνευση του ωιδίου, που δημοσιεύτηκε στο περιοδικό Biosystems Engineering.
Για τη μελέτη, οι ερευνητές UF/IFAS χρησιμοποίησαν ένα σύστημα ανίχνευσης συνδεδεμένο με drones για να συλλέξουν φασματικά δεδομένα για το ωίδιο στο καλοκαιρινό σκουός στα χωράφια και τα εργαστήρια του Κέντρου Έρευνας και Εκπαίδευσης Νοτιοδυτικής Φλόριντα UF/IFAS.
Οι ερευνητές του UF/IFAS χρησιμοποίησαν τεχνολογία που δεν βασίζεται σε οπτικά συμπτώματα για την ανίχνευση του ωιδίου, είπε ο Αμπατζίδης. Τα ανθρώπινα μάτια μπορούν να δουν μόνο το ελαφρύ τμήμα του ηλεκτρομαγνητικού φάσματος. Αυτή η τεχνολογία μπορεί να «βλέπει» περισσότερα. Έτσι, οι ερευνητές χρησιμοποίησαν αυτή τη μελέτη για να προσδιορίσουν τα καλύτερα μήκη κύματος για την πρώιμη ανίχνευση του ωιδίου - σε φύλλα που είτε δεν είχαν συμπτώματα είτε εμφάνιζαν πρώιμα συμπτώματα.
Οι ερευνητές χρησιμοποίησαν μηχανική μάθηση – ένα υποσύνολο της τεχνητής νοημοσύνης – που μπορεί να «μάθει» από φασματικά δεδομένα για να ανιχνεύσει το ωίδιο. Τα δεδομένα προήλθαν από drones και επίγεια συστήματα ανίχνευσης. Το εκπαιδευμένο μοντέλο μηχανικής μάθησης εντόπισε το ωίδιο σε διαφορετικά στάδια ανάπτυξης της νόσου, είπε ο Αμπατζίδης. Το σύστημα μηχανικής μάθησης κατασκευάζει ένα μαθηματικό μοντέλο για την ανίχνευση του ωιδίου χωρίς να έχει προγραμματιστεί από άνθρωπο να ακολουθεί συγκεκριμένα βήματα.
Με τις εικόνες και την ανάλυση φασματικής ανάκλασης των φύλλων σκουός, οι επιστήμονες εντόπισαν σκόνη περίπου στο 95% του χρόνου. Στην πραγματικότητα, ακόμη και χωρίς ορατά συμπτώματα της νόσου, η τεχνολογία έδειξε στους ερευνητές την ασθένεια 82% έως 89% των περιπτώσεων.
«Είναι σημαντικό να εντοπιστεί έγκαιρα το ωίδιο, καθώς η ασθένεια εξαπλώνεται γρήγορα και οι βλάβες αυξάνονται σε μέγεθος, αναπτύσσοντας μια σκονισμένη λευκή ή γκρίζα επικάλυψη», δήλωσε ο Αμπατζίδης, σύμβουλος σχολής του Jaafar Abdulridha, του μεταδιδακτορικού ερευνητή UF/IFAS που ηγήθηκε. η μελέτη.
Η Pamela Roberts, καθηγήτρια φυτοπαθολογίας UF/IFAS, χρειάζεται δεδομένα από μηχανικούς όπως ο Αμπατζίδης, για να τη βοηθήσουν να βρει ασθένειες στα πρώτα στάδια. Το συγκρίνει με την έγκαιρη ανίχνευση ανθρώπινων ασθενειών.
«Η έγκαιρη ανίχνευση οποιουδήποτε προβλήματος υγείας, είτε σε ανθρώπους είτε σε φυτά, δίνει τις καλύτερες πιθανότητες να το ελέγξουμε μέσω της έγκαιρης παρέμβασης», δήλωσε ο Roberts, συν-συγγραφέας της μελέτης. «Ομοίως, οι ασθένειες των φυτών ελέγχονται πιο εύκολα νωρίς όταν ο πληθυσμός των παθογόνων είναι χαμηλός, σε σύγκριση με αργότερα στην επιδημία».
«Επιπλέον, αυτή η τεχνολογία μπορεί πραγματικά να μειώσει τη χρήση χημικών σπρέι, εξαλείφοντας τις εφαρμογές που θα μπορούσαν να γίνουν προτού όντως υπάρξει κάποια ασθένεια προς έλεγχο», είπε. «Δεδομένου ότι το ωίδιο είναι ένα χρόνιο πρόβλημα στο σκουός στη νοτιοδυτική Φλόριντα, είναι μόνο ζήτημα πότε και όχι εάν θα εμφανιστεί η ασθένεια. Ο ακριβής χρονισμός των μυκητοκτόνων, είτε στη συμβατική είτε στη βιολογική γεωργία, μπορεί να αυξήσει την αποτελεσματικότητα του προϊόντος και να μειώσει τις απώλειες».
Τα κύρια συμπτώματα του ωιδίου είναι λευκές κηλίδες ή μπαλώματα, συνήθως στα φύλλα. Η διάγνωση του ωιδίου στα πρώιμα στάδια της μόλυνσης είναι δύσκολη λόγω των συμπτωμάτων στα χαμηλότερα, πιο ώριμα φύλλα που συχνά καλύπτονται από άλλα φύλλα.
«Εν ολίγοις, μια ασθένεια θα μπορούσε να αλλάξει τις ιδιότητες των φύλλων και να επηρεάσει την ποσότητα του φωτός που ανακλάται από τα φύλλα σε περιοχές εκτός του ορατού φάσματος, το οποίο οι άνθρωποι δεν μπορούν να δουν», είπε ο Αμπατζίδης.
- Brad Buck, Πανεπιστήμιο της Φλόριντα