Борьба с церкоспорозом при помощи информационных данных, света и искусственного интеллекта

Командная работа в поле

Исследователи из Технического университета Клаусталя и Исследовательского центра Юлиха независимо друг от друга тестируют два разных подхода на полях Баварии. Тем самым они вырабатывают совместное решение «глобальной проблемы», как называет грибок Cercospora Виллер. Данный проект финансируется министерством сельского хозяйства Германии.

Для проведения данных испытаний растений ученые подобрали подходящий момент: в период с конца июля до начала августа в этой части Германии теплая и влажная погода, и растения достигли такой стадии, когда их листья соприкасаются. Это оптимальные условия для распространения гриба.

Каждый вносит свой вклад в решение проблемы

За время проведения первоначальных измерений на участке площадью приблизительно один гектар исследователи из Технического университета Клаусталя и Исследовательского центра Юлиха собрали около двух терабайт данных с помощью двух испытательных приборов. Эти данные были дополнены погодными показателями, необходимыми для роста растений: влажность, ветер, направление ветра, осадки, давление воздуха и температура. Затем все данные были обработаны другим партнером проекта - Техническим университетом Дортмунда. «Благодаря такой кооперации каждый из нас представляет собой часть головоломки, которая в итоге сформирует полную картину», - говорит Виллер.

Пораженные участки нагреваются иначе

В рамках работы по разработке процесса автоматической оценки и раннего распознавания Cercospora beticola Sacc. Технический университет Клаусталя использует специальный лазер, инфракрасный луч которого невидим для человеческого глаза. Листья сахарной свёклы освещаются данным лучом. «На определенных длинах волн в среднем инфракрасном диапазоне инфицированные участки листьев нагреваются не так, как здоровые», - говорит Виллер.

Инфракрасная камера отмечает освещенный лист растения, измеряет его температуру в процессе и сохраняет данные. Таким образом, через инфракрасную камеру инфицирование растения заметно задолго до того, как его может обнаружить человеческий глаз.

Цель: небольшая, мобильная система

Полевые испытания – это первые измерения, полученные исследователями из Клаусталя за пределами лаборатории. В отличие от лабораторных условий, в Платтлинге в поле исследователям приходится иметь дело с солнечным светом. По словам Виллера, это создает особые препятствия, потому что интенсивность солнечного излучения влияет на результаты измерений. Поэтому сначала измеряется температура здоровых и зараженных листьев без использования лазера, а затем с его помощью. Разница температур сохраняется в виде базы данных. Это означает одно: «Если солнце светит прямо на листья, температура уже будет выше, и разница после воздействия луча может быть не столь значительной», - говорит Виллер.

Ученые также работают над тем, чтобы упростить процедуру использования измерительных приборов в полевых условиях: в предстоящем проекте в Италии в планах использование более мобильного и компактного оборудования.

По задумке трактор будет буксировать оборудование по полю и больше не будет необходимости передвигать его вручную. К этому моменту исследователи также хотят определить оптимальную длину волны для своей системы.

Программисты тренируют искусственный интеллект

Данные первоначальных измерений, проведенных за пределами лаборатории, сведения о погоде и данные о поражении Cercospora beticola Sacc. в дальнейшем переходят в руки специалистов в области компьютерной техники Технического университета Дортмунда. Они тщательно анализируют соответствующие данные и обучают компьютерную технику обнаружению зараженных растений.

Но как это работает? Как научить компьютер распознавать необходимые данные? К примеру, специалисты из Университета Клаусталя отслеживают длины волн лазера, при которых разница температур, регистрируемая на зараженных растениях, является наиболее яркой. Эта разница сообщается программному обеспечению как признак заражения. Шаг повторяется, и в процессе алгоритм искусственного интеллекта обучается самостоятельно определять, заражено ли растение.

Исследовательский центр в Юлихе изучает свечение растений

Специалисты из Дортмунда также получили данные, собранные командой исследовательского центра в Юлихе под руководством эксперта по фенотипированию доктора Онно Мюллера. Специальная система под названием LIFT (light induced fluorescence transient – флуоресцентный переход, индуцированный светом) освещает испытуемые растения светом определенной длины волны, точно так же, как система университета Клаусталя.

Однако подход отличается от того, который использовали ученые в Клаустале. Исследователи из Юлиха уделяют внимание фотосинтезу листьев. Или, если говорить точнее, они работают с флуоресценцией хлорофилла. Хлорофилл является натуральным продуктом фотосинтеза.

Влияет ли гриб Cercospora beticola Sacc. на процесс фотосинтеза?

Происходит следующее: фотосинтез (преобразование солнечной энергии света и углекислого газа в химическую энергию в форме глюкозы) начинается, когда свет поглощается зеленым пигментом, называемым хлорофиллом. Часть поглощенной растением энергии снова высвобождается и переизлучается. Это «свечение» называется флуоресценцией хлорофилла. По словам Мюллера, исследователи в Юлихе фиксируют это с помощью датчика LIFT.

Если лист заражен Cercospora beticola Sacc., инфекция окажет влияние на фотосинтез в этой области. Поскольку флуоресценция хлорофилла тесно связана с эффективностью фотосинтеза, измененное сияние может быть признаком грибковой инфекции на пораженных участках листьев.

Таким образом, если объединить данные, собранные учеными из Клаусталя и Юлиха, то можно получить два признака заражения растения грибом Cercospora beticola Sacc.: если температура пораженного участка растения поднимается до определенной степени и если он именно в этой области переизлучает излишнее количество энергии.

Позднее эта информация должна автоматически идентифицироваться и надежно анализироваться компьютерами с использованием алгоритмов - искусственный интеллект. Чтобы достичь высокой степени распознавания важно, чтобы система обучалась путем загрузки изображений. В проекте DataPlant это будут изображения зараженных и здоровых листьев. Команда физиков и экспертов отметит на каждой фотографии, показывает ли она здоровые или зараженные листья, и таким образом создаст огромный резервуар данных для обучения искусственному интеллекту.

«Наши исследования не ограничиваются Cercospora beticola Sacc.», - говорит руководитель проекта Кристоф Бауэр. «Мы думаем, что этот принцип можно использовать для автоматического выявления множества различных инфекций листьев на ранней стадии - и наши исследования послужат фундаментом для этого уже сейчас».

Взаимодействие новых типов датчиков, традиционного анализа фотографий и машинного обучения в KWS уже давно не ограничивается просто исследованиями: эти технологии уже находят применение на практике.

Подобные разработки обеспечат фермерам более быстрый доступ к различным сортам и быстрой оценке состояния здоровья их культур, например, с использованием дронов.