Biljni detektivi i inženjeri sa Sveučilišta u Floridi koriste umjetnu inteligenciju za rano otkrivanje bolesti kako bi je uzgajivači koji proizvode ljetne tikvice mogli držati pod kontrolom. Rano otkrivanje daje poljoprivrednicima priliku u borbi za bolji urod.
Ljetne i zimske tikve komercijalno se uzgajaju u cijeloj državi, osobito u jugoistočnoj i jugozapadnoj Floridi. Godine 2019. uzgajivači na Floridi ubrali su 7,700 hektara tikvica, čija je vrijednost proizvodnje iznosila 35.4 milijuna dolara, prema podacima Državne službe za poljoprivrednu statistiku USDA. Ali pepelnica, uobičajena u cijelom svijetu, može smanjiti prinose.
"Idealno okruženje za infekciju pepelnicom je vlažno vrijeme, velika gustoća sadnje i sjena", rekao je Yiannis Ampatzidis, docent poljoprivrednog i biološkog inženjerstva s UF/IFAS-a i koautor nova studija o ranom otkrivanju pepelnice, objavljena u časopisu Biosystems Engineering.
U studiji su istraživači UF/IFAS-a koristili senzorski sustav priključen na dronove za prikupljanje spektralnih podataka o pepelnici na ljetnoj tikvi na poljima i u laboratorijima UF/IFAS Centra za istraživanje i obrazovanje na jugozapadu Floride.
Istraživači UF/IFAS-a koristili su tehnologiju koja se ne oslanja na vizualne simptome za otkrivanje pepelnice, rekao je Ampatzidis. Ljudske oči mogu vidjeti samo svijetli dio elektromagnetskog spektra. Ova tehnologija može "vidjeti" više. Stoga su istraživači koristili ovu studiju kako bi identificirali najbolje valne duljine za rano otkrivanje pepelnice – na lišću koje ili nije imalo simptome ili je pokazalo rane simptome.
Istraživači su koristili strojno učenje - podskup umjetne inteligencije - koji može "učiti" iz spektralnih podataka za otkrivanje pepelnice. Podaci su došli iz bespilotnih letjelica i zemaljskih senzorskih sustava. Istrenirani model strojnog učenja identificirao je pepelnicu u različitim fazama razvoja bolesti, rekao je Ampatzidis. Sustav strojnog učenja gradi matematički model za otkrivanje pepelnice bez da ga čovjek programira da slijedi određene korake.
Sa slikama i analizom spektralne refleksije lišća tikve, znanstvenici su otkrili praškasto oko 95% vremena. Zapravo, čak i bez vidljivih simptoma bolesti, tehnologija je istraživačima pokazala bolest u 82% do 89% slučajeva.
"Ključno je rano identificirati pepelnicu, jer se bolest brzo širi i lezije se povećavaju, razvijajući prašnjavu bijelu ili sivu prevlaku", rekao je Ampatzidis, fakultetski savjetnik Jaafara Abdulridhe, postdoktorskog istraživača UF/IFAS-a koji je vodio studija.
Pamela Roberts, profesorica biljne patologije s UF/IFAS-a, treba podatke od inženjera poput Ampatzidisa kako bi joj pomogli pronaći bolesti u najranijim fazama. Ona to uspoređuje s ranim otkrivanjem ljudskih bolesti.
"Rano otkrivanje bilo kojeg zdravstvenog problema, bilo kod ljudi ili biljaka, daje najbolje šanse za njegovu kontrolu ranom intervencijom", rekao je Roberts, koautor studije. "Isto tako, biljne bolesti se lakše kontroliraju rano kada je populacija patogena niska, u usporedbi s kasnijim tijekom epidemije."
"Osim toga, ova tehnologija zapravo može smanjiti upotrebu kemijskih sprejeva, eliminirajući aplikacije koje bi se mogle napraviti prije nego što postoji bilo kakva bolest koju treba kontrolirati", rekla je. “Budući da je pepelnica kronični problem na tikvicama na jugozapadu Floride, samo je pitanje kada će se bolest pojaviti, a ne hoće li. Točno vrijeme fungicida, bilo u konvencionalnom ili organskom uzgoju, može povećati učinkovitost proizvoda i smanjiti gubitke.”
Glavni simptomi pepelnice su bijele mrlje ili mrlje, obično na lišću. Dijagnosticiranje pepelnice u ranim fazama infekcije je teško zbog simptoma na nižim, zrelijim listovima koji su često prekriveni drugim listovima.
"Ukratko, bolest bi mogla promijeniti svojstva lišća i utjecati na količinu svjetlosti koja se reflektira od lišća u područjima izvan vidljivog spektra, koje ljudi ne mogu vidjeti", rekao je Ampatzidis.
- Brad Buck, Sveučilište Florida