Исследователи из Арканзаса разработали систему, превосходящую человеческие возможности в измерении стресса, вызванного гербицидами, у растений. Для этого они объединили искусственный интеллект и датчики, способные видеть за пределами видимого света.
Учёные из сельскохозяйственной экспериментальной станции Арканзаса, исследовательского подразделения системы сельского хозяйства Университета Арканзаса, опубликовали исследование в журнале Smart Agricultural Technology. В нём они доказали, что гиперспектральные датчики, такие как спектрорадиометр, могут помочь в количественной оценке эффективности гербицидов — ключевого элемента борьбы с сорняками, который помогает сдерживать устойчивость к гербицидам.
В то время как обычные камеры используют три полосы видимого света — красный, зелёный и синий — для создания изображений в спектральном диапазоне от 380 до 750 нанометров, гиперспектральное зондирование фиксирует полосы в диапазоне от 250 нанометров до 2500 нанометров и тепловое инфракрасное излучение.
Исследователи использовали эту технологию, чтобы оценить, как распространённый вид сорняка — марь белая (Chenopodium album L.) — реагирует на глифосат. Они также получили эмпирические доказательства того, что фотосинтез в растении фактически усиливался при воздействии сублетальной дозы гербицида.
«Реакцию растений на применение гербицидов измеряют с помощью визуальных оценок, но точность зависит от качества подготовки и многолетнего опыта оценщика», — сказала главный исследователь исследования Орели Понсе, доцент кафедры точного земледелия в отделе растениеводства, почвоведения и наук об окружающей среде.
Учёные, занимающиеся борьбой с сорняками, обучены оценивать эффективность гербицидов с погрешностью в 10% — плюс-минус 5%. Исследователи смогли использовать модели машинного обучения на данных, собранных с помощью спектрорадиометра, чтобы достичь погрешности в 12,1%. Их цель — снизить её до 10%.
Для анализа тысяч точек данных индекса растительности, собранных в ходе эксперимента, исследователи использовали алгоритм машинного обучения — случайный лес. Алгоритм объединяет выходные данные нескольких решающих деревьев для получения единого результата.
«Наш успех в использовании случайного леса для описания реакции марь белой на применение глифосата открывает возможность выйти за рамки разработки индексов растительности», — сказал Марио Сото, ведущий автор исследования и магистр наук в области растениеводства, почвоведения и наук об окружающей среде.
После доработки гиперспектральное зондирование можно будет использовать для измерения реакции конкретных сорняков на применение гербицидов и преодоления ограничений визуальной оценки человека. Дальнейшее развитие метода и валидация могут также быть использованы для создания платформы для высокопроизводительной категоризации реакции сорняков на гербициды и скрининга на устойчивость к гербицидам, отметили авторы исследования.
Пока что для оценки эффективности гербицидов необходимо обучение, чтобы преодолеть недостаток опыта у оценщиков. Однако умственная и физическая усталость от долгих рабочих дней, связанных с оценкой обработок в суровых условиях окружающей среды, может повлиять на суждения даже самого опытного оценщика, сказала Нильда Рома-Бургос, профессор физиологии и молекулярной биологии сорняков.
«Этот метод в принципе может исключить человеческий фактор при оценке эффективности гербицидов и станет бесценным исследовательским инструментом для науки о сорняках», — сказала Бургос, соавтор исследования. «Тем не менее, предстоит ещё много работы, чтобы проверить метод на ключевых видах сорняков, механизмах действия гербицидов, времени после применения гербицидов и условиях окружающей среды».
Соавторами исследования стали Кристофор Брай, профессор прикладной физики почв и почвоведения; Уэсли Френч, программный сотрудник, и Хуан С. Веласкес, ассистент по научным исследованиям в области борьбы с сорняками из отдела растениеводства, почвоведения и наук об окружающей среде.
Предоставлено Университетом Арканзаса.