UGent zet drones en AI in tegen aardappelziekte
Door de inzet van ultra-hoge-resolutie dronebeelden in combinatie met AI, is er een nieuwe methode ontwikkeld voor de vroege detectie van Alternaria, een schimmelziekteverwekker die aanzienlijke schade aan aardappelgewassen kan aanrichten door de bladeren, stengels en soms zelfs de knollen te infecteren. Deze doorbraak markeert een significante vooruitgang in precisielandbouw, waarmee telers gerichter en efficiënter kunnen ingrijpen, resulterend in gezondere gewassen en een duurzamere landbouwpraktijk.
“Dit is een gamechanger voor de aardappelindustrie”, legt onderzoeker Jana Wieme uit. “Door deze technologie kunnen we de ziekte detecteren voordat deze zichtbaar is voor het blote oog, wat de effectiviteit van de bestrijding aanzienlijk kan verhogen.”
Jana Wieme voerde dit onderzoek uit onder begeleiding van 2 promotoren en in samenwerking met IDLab (Sam Leroux), ILVO (Simon Cool) en de Bayer Forward Farming leerstoel; professor Jan Pieters focust op plantengezondheid en duurzame gewasbescherming, terwijl Prof. Wouter Maes expert is in precisielandbouw en milieuvriendelijke landbouwtechnieken.
Praktisch toepasbaar
De innovatieve aanpak maakt gebruik van een specifieke vorm van AI, een eigen compact convolutioneel neuraal netwerk, dat patronen – in dit geval kleine vlekken op infraroodfoto’s - kan herkennen in afbeeldingen door te leren van voorbeelden, net zoals het menselijk brein leert van ervaringen. Dit stelt het netwerk in staat om zelfs de kleinste aanwijzingen van de ziekte op te sporen voor die met het blote oog te zien zijn. Het team heeft dit model getest op datasets verzameld over verschillende groeiseizoenen.
“Wat ons onderzoek uniek maakt, is dat we de proeven in 4 verschillende groeiseizoenen hebben herhaald, en dat ons model ook werkt op datasets waar het geen trainingsfoto’s van heeft aangeleerd. Ons model is dus al in staat om in de praktijk toegepast te worden. Bovendien bereikt ons model een nauwkeurigheid die vergelijkbaar is met de huidige state-of-the-art modellen, maar is het veel sneller en efficiënter in het verwerken van de beelden”, benadrukt Wieme.
Precisiegewasbescherming
De praktische implicaties van deze ontwikkeling zijn niet te onderschatten. Traditioneel wordt de ziekte bestreden door regelmatig gewasbeschermingsmiddelen te gebruiken. Deze middelen brengen soms hoge kosten met zich mee en kunnen belastend zijn voor het milieu. De nieuwe methode biedt de mogelijkheid om de ziekte vroegtijdig en lokaal te detecteren, wat een gerichtere en dus duurzamere inzet van middelen mogelijk maakt.
Onderzoeker Wieme licht toe: “Deze technologie stelt ons in staat om gedetailleerde 'ziektekaarten' van de velden te maken. Boeren kunnen deze informatie gebruiken om alleen die delen van het veld te behandelen waar de ziekte daadwerkelijk voorkomt.” Dit bespaart niet alleen kosten, maar vermindert ook de milieu-impact van de landbouwpraktijk.
Het onderzoeksteam is optimistisch over de toekomstige toepassingen van hun werk. “Hoewel we ons nu hebben gericht op Alternaria in aardappelvelden, is de methodiek breed toepasbaar voor de detectie van diverse ziektes in verschillende gewassen”, stelt Wieme. “Dit opent nieuwe deuren naar een efficiëntere en duurzamere landbouw.”
Terwijl de landbouwwereld zich aanpast aan de uitdagingen van de 21e eeuw, lijkt de combinatie van drones en kunstmatige intelligentie een veelbelovend instrument te zijn in het arsenaal van de moderne boer. Met deze technologische vooruitgang aan hun zijde, kunnen telers vooruit kijken naar een toekomst waarin gewasbescherming niet alleen effectiever, maar ook vriendelijker voor de planeet is.
UGent benadrukt het belang van samenwerking rond duurzame landbouwinnovaties en nodigt bedrijven, beleidsmakers en onderzoeksinstituten uit om hierin gezamenlijk op te trekken. Dit kan de transitie naar duurzame voedselproductie versnellen en een positieve omwenteling in de voedingsindustrie teweegbrengen.
