Drone kan bladvlekkenziekte in mais in vroeg stadium opsporen
Dat blijkt uit promotieonderzoek van Yali Bai aan Wageningen University & Research. Ze promoveerde onlangs op een studie naar de inzet van AI in drones om nauwkeurig vast te stellen waar en wanneer bladvlekkenziekte moet worden aangepakt.
Een belangrijke ontwikkeling uit het onderzoek is een nieuw model dat natuurkundige simulaties combineert met deep learning. Traditionele machinelearningmodellen hebben vaak moeite met de complexe omstandigheden in de praktijk, terwijl dit nieuwe model gebruikmaakt van kennis van fysische processen die zich in het veld afspelen.
Zes dagen na infectie
Dankzij deze aanpak kunnen kenmerken van de ziekte al zes dagen na infectie worden vastgesteld. Op dat moment zijn de symptomen voor ondernemers nog niet zichtbaar. Mensen herkennen de ziekte doorgaans pas drie dagen later, wanneer sprake is van een gematigd of ernstig stadium.
De technologie maakt gebruik van hyperspectrale sensoren die honderden lichtbanden registreren die voor het menselijk oog onzichtbaar zijn. Daardoor kunnen subtiele veranderingen in bladpigmenten, zoals chlorofyl, worden waargenomen voordat zichtbare schade aan het gewas ontstaat.
Hoger rendement
Volgens Bai biedt de technologie perspectief voor een hoger rendement en een lagere afhankelijkheid van de veldspuit. Daarnaast ziet zij mogelijkheden om drones in te zetten als een vorm van spotspraying, waarbij alleen op specifieke plekken wordt behandeld. Daardoor zou het gebruik van gewasbeschermingsmiddelen aanzienlijk kunnen afnemen.
'De hardware om met drones gewasbescherming uit te voeren is er al, maar ondernemers spuiten nog steeds uniform over het hele veld. Daarom is er een dringende noodzaak om de drone een 'brein' te geven dat precies aangeeft waar en wanneer er gespoten moet worden’, vertelt de onderzoeker.
Andere ziekten en gewassen
De toepassingen van de zogenoemde drone met een AI-brein beperken zich volgens de onderzoekers niet tot bladvlekkenziekte in mais. De technologie kan in de toekomst mogelijk ook worden ingezet bij andere plagen en in andere gewassen.
De basis daarvoor ligt in een techniek die vergelijkbaar is met een röntgenfoto van het blad. Deze methode is zeer gevoelig voor veranderingen in chlorofyl en wordt tegelijkertijd nauwelijks beïnvloed door de complexe structuur van het bladerdek.
Het systeem is inmiddels ook met succes getest op maisroest. Volgens Bai maakt de gevoeligheid voor pigmentveranderingen en de afbraak van chlorofyl het mogelijk om uiteenlopende ziekten en stressfactoren op te sporen die bladschade veroorzaken.