Indian Institute presenteert een model om Phytophthora in aardappelgewassen te detecteren met behulp van een foto van de bladeren

Wetenschappers van het Indian Institute of Technology (IIT) Mandi hebben een computermodel ontwikkeld voor geautomatiseerde ziektedetectie in aardappelgewassen met behulp van foto's van de bladeren.

Het onderzoek onder leiding van Dr. Srikant Srinivasan, universitair hoofddocent, School of Computing and Electrical Engineering, IIT Mandi, in samenwerking met het Central Potato Research Institute, Shimla, maakt gebruik van kunstmatige intelligentie (AI)-technieken om de zieke delen van het blad te markeren.

De resultaten van dit onderzoek, gefinancierd door het Department of Biotechnology van de Indiase overheid, zijn onlangs gepubliceerd in het tijdschrift Plant Phenomics, in een artikel dat mede is geschreven door Dr. Srikant Srinivasan en Dr. Shyam K. Masakapalli, samen met onderzoekswetenschappers Joe Johnson en Geetanjali Sharma van het IIT Mandi, en Dr. Vijay Kumar Dua, Dr. Sanjeev Sharma en Dr. Jagdev Sharma van het Central Potato Research Institute in Shimla.

Aardappelen zijn in de wereldgeschiedenis de oorzaak geweest van de grote hongersnood van midden negentiende eeuw, die meer dan een miljoen mensen in Ierland het leven kostte en de doodsklok luidde voor de Ierse taal. De reden? Aardappelziekte.

De aardappelziekte is een veelvoorkomende ziekte bij aardappelplanten. Deze begint met ongelijkmatige lichtgroene vlekken nabij de bladpunt en de bladranden en verspreidt zich vervolgens naar grote bruine tot paarszwarte necrotische plekken die uiteindelijk leiden tot rotting van de plant. Als de aardappelziekte onopgemerkt en onbehandeld blijft, kan deze onder gunstige omstandigheden binnen een week de hele oogst vernietigen.

Dokter Srikant Srinivasan:

In India, net als in de meeste ontwikkelingslanden, worden de detectie en identificatie van aardappelziekte handmatig uitgevoerd door getraind personeel dat het veld verkent en het loof van de aardappel visueel inspecteert.

Dit proces is, zoals te verwachten, een tijdrovend en vaak onpraktisch proces, vooral in afgelegen gebieden. Er is namelijk expertise nodig van een tuinbouwspecialist die mogelijk niet fysiek bereikbaar is.

Joe Johnson, onderzoeker, IIT Mandi:

Geautomatiseerde ziektedetectie kan hierbij helpen. Gezien de snelle verspreiding van mobiele telefoons in het hele land, zou de smartphone hierbij een nuttig hulpmiddel kunnen zijn.

De geavanceerde HD-camera's, betere rekenkracht en communicatiemogelijkheden die smartphones bieden, bieden een veelbelovend platform voor geautomatiseerde ziektedetectie in gewassen, wat tijd kan besparen en kan helpen bij het tijdig management van ziekten, in geval van uitbraken.

De computertool die door de wetenschappers van het IIT Mandi is ontwikkeld, kan aardappelziekte detecteren in afbeeldingen van aardappelbladeren. Het model is gebouwd met behulp van een AI-tool genaamd mask region-based convolutional neural network architecture (CNN) en kan de zieke delen van het blad nauwkeurig markeren tegen een complexe achtergrond van planten- en bodemmateriaal.

Om een ​​robuust model te ontwikkelen, werden gegevens over gezonde en zieke bladeren verzameld op akkers in Punjab, Uttar Pradesh en Himachal Pradesh. Het was belangrijk dat het ontwikkelde model overdraagbaar was naar het hele land.

Dokter Srikant Srinivasan:

“Analyse van de detectieprestaties geeft een algehele nauwkeurigheid van 98% aan op bladbeelden in veldomgevingen.”

Hoewel aardappelen in de meeste regio's ter wereld geen basisvoedsel zijn, is het een handelsgewas en kan een mislukte teelt rampzalige gevolgen hebben, vooral voor boeren met marginale landbouwgrond. Vroege detectie van aardappelziekte is daarom belangrijk om financiële catastrofes voor de boer en de economie van het land te voorkomen.

Na dit succes verkleint het team het model tot enkele tientallen megabytes, zodat het als applicatie op een smartphone kan worden gehost. Wanneer de boer dan een foto maakt van een ongezond blad, bevestigt de applicatie in realtime of het blad al dan niet geïnfecteerd is.

Met deze tijdige kennis weet de boer precies wanneer hij het veld moet bespuiten. Dit bespaart hem opbrengsten en minimaliseert de kosten die gepaard gaan met onnodig gebruik van fungiciden.

Dokter Srikant Srinivasan:

“Het model wordt verfijnd naarmate er meer staten worden bestreken”

Dr. Srinivasan benadrukte dat het onderdeel zal worden van de FarmerZone-app, die gratis ter beschikking zal worden gesteld aan aardappelboeren.