ENGINEERINGNET.BE - De innovatieve aanpak maakt gebruik van een specifieke vorm van AI, een eigen compact convolutioneel neuraal netwerk, dat patronen (hier kleine vlekken op infraroodfoto’s) kan herkennen in afbeeldingen door te leren van voorbeelden.
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.
Wieme: "Wat ons onderzoek uniek maakt, is dat we de proeven 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."
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.
Hoewel het onderzoek zich nu richtte op Alternaria in aardappelvelden, is de methodiek breed toepasbaar voor de detectie van diverse ziektes in verschillende gewassen. En dat opent nieuwe deuren naar een efficiëntere en duurzamere landbouw.
Jana Wieme voerde dit onderzoek uit onder begeleiding van twee 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.
