Detektivové a inženýři rostlin z Floridské univerzity používají umělou inteligenci k včasnému nalezení nemoci, aby ji pěstitelé, kteří produkují letní tykve, mohli udržet pod kontrolou. Včasná detekce dává farmářům šanci bojovat o lepší úrodu.
Letní a zimní squash se komerčně pěstují v celém státě, zejména na jihovýchodě a jihozápadě Floridy. V roce 2019 pěstitelé na Floridě sklidili 7,700 35.4 akrů tykve s hodnotou produkce XNUMX milionu dolarů, podle USDA National Agricultural Statistics Service. Ale onemocnění padlí, běžné po celém světě, může snížit výnosy.
„Ideálním prostředím pro infekci padlím je vlhké počasí, výsadba s vysokou hustotou a stín,“ řekl Yiannis Ampatzidis, odborný asistent zemědělského a biologického inženýrství UF/IFAS a spoluautor studie. nová studie o včasné detekci padlí, publikovaná v časopise Biosystems Engineering.
Pro studii použili výzkumníci UF/IFAS snímací systém připojený k dronům ke sběru spektrálních dat o padlí na letním tykvi na polích a laboratořích UF/IFAS Southwest Florida Research and Education Center.
Výzkumníci z UF/IFAS použili technologii, která se nespoléhá na vizuální příznaky k detekci padlí, řekl Ampatzidis. Lidské oči vidí pouze světelnou část elektromagnetického spektra. Tato technologie dokáže „vidět“ více. Vědci tedy použili tuto studii k identifikaci nejlepších vlnových délek pro včasnou detekci padlí – na listech, které buď neměly žádné příznaky, nebo vykazovaly časné příznaky.
Výzkumníci použili strojové učení – podmnožinu umělé inteligence – která se dokáže „učit“ ze spektrálních dat k detekci padlí. Údaje pocházely z dronů a pozemních snímacích systémů. Trénovaný model strojového učení identifikoval padlí v různých stádiích vývoje onemocnění, řekl Ampatzidis. Systém strojového učení vytváří matematický model pro detekci padlí, aniž by byl člověkem naprogramován, aby dodržoval konkrétní kroky.
Pomocí snímků a analýzy spektrální odrazivosti listů tykve vědci detekovali práškové asi 95 % času. Ve skutečnosti, dokonce i bez viditelných příznaků nemoci, technologie ukázala výzkumníkům nemoc v 82 % až 89 % případů.
"Je zásadní identifikovat padlí včas, protože onemocnění se rychle šíří a léze se zvětšují, čímž se vytváří prašný bílý nebo šedý povlak," řekl Ampatzidis, fakultní poradce Jaafara Abdulridha, postdoktorského výzkumníka UF/IFAS, který vedl studium.
Pamela Roberts, profesorka rostlinné patologie UF/IFAS, potřebuje data od inženýrů, jako je Ampatzidis, aby jí pomohla najít nemoci v nejranějších stádiích. Přirovnává to k včasnému odhalení lidských nemocí.
„Včasné odhalení jakéhokoli zdravotního problému, ať už u lidí nebo rostlin, dává nejlepší šanci na jeho zvládnutí včasným zásahem,“ řekl Roberts, spoluautor studie. "Stejně tak choroby rostlin jsou snadněji kontrolovány brzy, když je populace patogenů nízká, ve srovnání s pozdějšími obdobími epidemie."
"Navíc tato technologie může ve skutečnosti snížit používání chemických postřiků tím, že eliminuje aplikace, které by mohly být provedeny dříve, než se skutečně objeví nějaká nemoc, kterou je třeba kontrolovat," řekla. „Vzhledem k tomu, že padlí je chronický problém tykve na jihozápadě Floridy, je jen otázkou, kdy se nemoc objeví, ne jestli. Přesné načasování fungicidů, ať už v konvenčním nebo ekologickém zemědělství, může zvýšit účinnost přípravku a snížit ztráty.“
Hlavními příznaky padlí jsou bílé skvrny nebo skvrny, obvykle na listech. Diagnostika padlí v raných stádiích infekce je obtížná kvůli symptomům na nižších, zralejších listech, které jsou často pokryty jinými listy.
"Stručně řečeno, nemoc by mohla změnit vlastnosti listů a ovlivnit množství světla odraženého od listů v oblastech mimo viditelné spektrum, které lidé nevidí," řekl Ampatzidis.
- Brad Buck, University of Florida