Detektif tumbuhan dan jurutera dari Universiti Florida menggunakan kecerdasan buatan untuk mencari penyakit lebih awal supaya penanam yang menghasilkan skuasy musim panas dapat mengawalnya. Pengesanan awal memberi peluang kepada petani berjuang untuk mendapatkan tanaman yang lebih baik.
Skuasy musim panas dan musim sejuk ditanam secara komersial di seluruh negeri, terutamanya di tenggara dan barat daya Florida. Pada 2019, penanam Florida menuai 7,700 ekar skuasy, dengan nilai pengeluaran $35.4 juta, menurut Perkhidmatan Statistik Pertanian Kebangsaan USDA. Tetapi penyakit cendawan serbuk, biasa di seluruh dunia, boleh mengurangkan hasil.
"Persekitaran yang sesuai untuk cendawan serbuk menjangkiti adalah cuaca lembap, penanaman berketumpatan tinggi dan teduh," kata Yiannis Ampatzidis, penolong profesor kejuruteraan pertanian dan biologi UF/IFAS dan pengarang bersama sebuah kajian baru mengenai pengesanan awal cendawan serbuk, yang diterbitkan dalam jurnal Biosystems Engineering.
Untuk kajian itu, penyelidik UF/IFAS menggunakan sistem penderiaan yang dilampirkan pada dron untuk mengumpul data spektrum cendawan serbuk pada skuasy musim panas di ladang dan makmal Pusat Penyelidikan dan Pendidikan Florida Barat Daya UF/IFAS.
Penyelidik UF/IFAS menggunakan teknologi yang tidak bergantung pada gejala visual untuk mengesan cendawan serbuk, kata Ampatzidis. Mata manusia hanya boleh melihat bahagian cahaya spektrum elektromagnet. Teknologi ini boleh "melihat" lebih banyak lagi. Oleh itu, penyelidik menggunakan kajian ini untuk mengenal pasti panjang gelombang terbaik untuk pengesanan cendawan serbuk awal - pada daun yang sama ada tidak mempunyai gejala atau menunjukkan gejala awal.
Penyelidik menggunakan pembelajaran mesin - subset kecerdasan buatan - yang boleh "belajar" daripada data spektrum untuk mengesan cendawan serbuk. Data datang daripada dron dan sistem penderiaan berasaskan darat. Model pembelajaran mesin terlatih mengenal pasti cendawan serbuk dalam peringkat perkembangan penyakit yang berbeza, kata Ampatzidis. Sistem pembelajaran mesin membina model matematik untuk mengesan cendawan serbuk tanpa diprogramkan oleh manusia untuk mengikuti langkah-langkah tertentu.
Dengan imej dan analisis pemantulan spektrum daun skuasy, saintis mengesan serbuk kira-kira 95% pada masa itu. Malah, walaupun tanpa gejala penyakit yang boleh dilihat, teknologi itu menunjukkan kepada penyelidik penyakit itu 82% hingga 89% sepanjang masa.
"Adalah penting untuk mengenal pasti cendawan serbuk lebih awal, kerana penyakit itu merebak dengan cepat dan saiz lesi meningkat, membentuk salutan putih atau kelabu berdebu," kata Ampatzidis, penasihat fakulti kepada Jaafar Abdulridha, penyelidik pasca doktoral UF/IFAS yang mengetuai kajian tersebut.
Pamela Roberts, seorang profesor patologi tumbuhan UF/IFAS, memerlukan data daripada jurutera seperti Ampatzidis, untuk membantunya mencari penyakit pada peringkat terawal. Dia membandingkannya dengan pengesanan awal penyakit manusia.
"Pengesanan awal sebarang masalah kesihatan, sama ada pada manusia atau tumbuhan, memberikan peluang terbaik untuk mengawalnya melalui campur tangan awal," kata Roberts, pengarang bersama kajian itu. "Begitu juga, penyakit tumbuhan lebih mudah dikawal lebih awal apabila populasi patogen adalah rendah, berbanding kemudian dalam wabak."
"Selain itu, teknologi ini sebenarnya boleh mengurangkan penggunaan semburan kimia, dengan menghapuskan aplikasi yang boleh dibuat sebelum sebenarnya ada sebarang penyakit untuk dikawal," katanya. "Memandangkan cendawan tepung adalah masalah kronik pada skuasy di barat daya Florida, ia hanya persoalan bila, bukan jika, penyakit itu akan muncul. Masa yang tepat bagi racun kulat, sama ada dalam pertanian konvensional atau organik, boleh meningkatkan keberkesanan produk dan mengurangkan kerugian."
Gejala utama cendawan serbuk adalah bintik putih atau tompok, biasanya pada daun. Mendiagnosis cendawan serbuk pada peringkat awal jangkitan adalah sukar kerana gejala pada daun yang lebih rendah dan lebih matang yang sering dilitupi oleh daun lain.
"Ringkasnya, penyakit boleh mengubah sifat daun dan menjejaskan jumlah cahaya yang dipantulkan daripada daun di kawasan di luar spektrum yang boleh dilihat, yang tidak dapat dilihat oleh manusia," kata Ampatzidis.
- Brad Buck, Universiti Florida