Kunstmatige intelligentie analyseert aardappelcystenaaltjes automatisch

Op de jaarlijkse bijeenkomst van de European Society of Nematologists (ESN) hebben HLB en Antonie een innovatieve methode voor geautomatiseerde analyse van aardappelcystenaaltjes (PCN) gepresenteerd. Aardappelcystenaaltjes, microscopische kleine wormen, behoren wereldwijd tot de economisch meest schadelijke bodemgebonden plagen. Tot nu toe was dit werk sterk afhankelijk van specialistisch microscoopwerk en ervaren laboratoriummedewerkers.

De nieuwe technologie automatiseert juist dit arbeidsintensieve onderdeel van het proces. Door de nieuwe methode kunnen grote aantallen eieren en juvenielen uit geopende cysten snel en reproduceerbaar worden beoordeeld.

HLB-directeur Pieter Vos geeft aan dat laboratoria wereldwijd tegen dezelfde uitdaging aanlopen: ‘Het werk is hoogspecialistisch, extreem arbeidsintensief en gekwalificeerd personeel is steeds moeilijker te vinden. Met de technologie van Antonie kunnen we nu een belangrijk deel van dit proces ondersteunen, zonder concessies te doen aan kwaliteit of reproduceerbaarheid.’

Schaalbaarheid

Volgens de twee organisaties kan met de inzet van AI, geautomatiseerde microscopie en geavanceerde beeldanalyse een groot deel van het analyseproces sneller, consistenter en schaalbaar worden gemaakt.

Volgens Peter den Hartog, medeoprichter van Antonie, is dit een wereldprimeur. ‘Dit is een belangrijke doorbraak die de hele sector raakt en een grote stap naar volledig schaalbare nematodenanalyse.’

Naast toepassingen in aardappelteelt biedt de technologie ook perspectief voor andere gewassen die gevoelig zijn voor cystenaaltjes, zoals suikerbieten en soja. Daarmee draagt deze innovatie volgens de twee organisaties bij aan efficiëntere diagnostiek, betere teeltbeslissingen en een duurzamere landbouw.