Drone kan ziekte in mais eerder herkennen

Dit blijkt uit promotieonderzoek van Yali Bai aan Wageningen University & Research (WUR). Haar onderzoek, waarmee ze onlangs promoveerde, richt zich op AI in drones om exact te weten waar en wanneer bladvlekkenziekte moet worden aangepakt.

De techniek maakt gebruik van hyperspectrale sensoren die honderden lichtbanden registreren die onzichtbaar zijn voor het menselijk oog. Zo kunnen subtiele veranderingen in bladpigmenten, zoals chlorofyl, worden waargenomen nog voordat er zichtbare schade optreedt.

Een van de belangrijkste doorbraken in het proefschrift is een nieuw model dat natuurkundige simulaties combineert met ‘deep learning’. Waar standaard ‘machine learning’-modellen vaak moeite hebben met de complexe realiteit van het veld, erft dit model de logica van fysische mechanismen uit de praktijk.

Hierdoor kunnen ziektekenmerken al zes dagen na infectie worden geïdentificeerd, wanneer de ondernemer dit nog niet kan zien. Mensen zien de ziekte pas drie dagen later in een gematigd of ernstig stadium, legt Bai uit.

Beter rendement

Voor de boer betekent deze technologie uiteindelijk een beter rendement en minder afhankelijkheid van de veldspuit. Bai ziet ook een rol weggelegd voor de drone als een soort spotsprayer. Hierdoor zijn volgens haar beduidend minder gewasbeschermingsmiddelen nodig.

'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’, geeft Bai aan.

Ook voor andere ziekten

Het onderzoek naar de 'drone met een AI-brein' kan in de toekomst ook bij andere plagen en andere gewassen zijn werk doen. De kern zit in een soort röntgenfoto van het blad. De foto is gemaakt met techniek die extreem gevoelig is voor veranderingen in chlorofyl, maar zich niet van de wijs laat brengen door de complexe structuur van het bladerdek.

Zo is het systeem ook succesvol getest op maisroest. Volgens Bai kan de drone, doordat deze gevoelig is voor pigmentverandering en de afbraak van chlorofyl, diverse ziekten en stressfactoren detecteren die bladschade veroorzaken.