Okoskamerák és mesterséges intelligencia segítségével vizsgálják a növények stresszszintjét az SZTE Mezőgazdasági Karán

– A növények stresszszintjét szeretnénk meghatározni még azelőtt, hogy a tünetek szemmel láthatóvá válnának – mondta Dr. Tar Melinda, aki társaival, Dr. Bilicki Vilmossal, Dr. Mikó Edittel, Dr. Jakab Péterrel, Gyalai Ingrid Melindával és Kovács Flóriánnal Proof of Concept pályázati támogatást kapott kutatására.

Különböző típusú kamerákkal, akár hőkamerákkal szeretnék vizsgálni a növényeken, hogyan jelennek meg rajtuk a stresszhatások, többek között a szárazság tünetei – például a hervadás –, mielőtt azt egy hétköznapi ember észrevenné.
– A szántóföldek fölött drónokkal is tervezzük a növények megfigyelését, üvegházi környezetben pedig például azokhoz a kocsikhoz lehet hozzákötni a kamerákat, amelyek a sorokban haladva a növényápolást végzik; így ezek az eszközök rögzített, mégis mozgó kameraként működnek – részletezte a monitorozási eljárást Dr. Tar Melinda.

A kutató elmondta, a projekt elején növénynevelő sátrakat építettek, ahol előidézik a növényeken a stressztüneteket, például szárazságstresszt, a kamera pedig naponta többször, meghatározott időintervallumokban felvételeket készít, monitorozza az ültetvényt. Ezen felvételek alapján fogják tanítani a mesterséges intelligenciát Dr. Bilicki Vilmos vezetésével az SZTE TTIK Informatika Intézet munkatársai. A mesterséges intelligencia előre tudja majd jelezni, ha a növény nem érzi jól magát, így időben közbe lehet avatkozni, megmentve ezzel a terméshozamot.

Dr. Tar Melinda, az SZTE MGK Növénytudományi és Környezetvédelmi Intézet tudományos főmunkatársa. Fotó: Bartha Karina

Jelenleg a sátrakban a növények nevelése és a stresszfolyamatok kamerával való megfigyelése zajlik.
– A szárazságstresszt kezdtük el uborkanövényeken és kukoricanövényeken tesztelni, azt szeretnénk megnézni, hogy a növények hogyan reagálnak, például a látható stressztünetek előtt mikor kezd el megváltozni a levelek színe, levélállása, és egyéb, különböző szenzorokkal jól megfigyelhető tulajdonságai – osztotta meg Dr. Tar Melinda. Hozzátette, ez a két növényfaj különösen alkalmas a mesterségesintelligencia-modellek tanítására, mert míg az uborka gyors és erős stresszreakciót mutat, addig a kukorica fokozatosabb és összetettebb válaszokat ad például szárazságstressz vagy tápanyaghiány esetén.
– Ezen a két növényfajon tehát viszonylag rövid időn belül elő lehet idézni a tüneteket, és ezzel egyidőben nagyon gyorsan lehet detektálni az adott stressz kialakulásának időbeli mintázatát. A különböző kamerák és szenzorok pedig lehetőséget biztosítanak arra, hogy visszanézzük, milyen volt a szemmel látható tünetek jelentkezése előtt a növény. Ezek az eredmények tanítóadatokat biztosítanak a mesterségesintelligencia-modellek fejlesztéséhez, és így könnyebb lesz előre jelezhető módon, még a szemmel látható tünetek megjelenése előtt felismerni a kialakulóban lévő stressztüneteket, és az eredményektől függően a szokásosnál korábban, intenzívebben elkezdhetőek a terméscsökkenést megakadályozó beavatkozások – mondta a kutató, akitől azt is megtudtuk, a vizsgálat később egyéb növényfajokra is ki fog terjedni, és a módszert a szántóföldeken is tesztelik majd. Cél az is, hogy később akár növényi betegségeket is bevonjanak a vizsgálatba, és a mesterségesintelligenca-modellek segítségével előre tudják jelezni, ha valamilyen kórokozó vagy kártevő jelenik meg az üvegházban vagy a szántóföldön.

– Számunkra már látható jele a kukorica stresszének, hogy a levele „furulyázik”, vagyis fölfelé áll. Ha ez huzamosabb ideig így marad, akkor termésveszteséggel fog reagálni a növény, és ez egy idő után visszafordíthatatlanná válik. Azonban van egy szakasz, amely ezt a tünetet megelőzi: amikor a folyamat elindul, a levél turgorja (feszessége) megváltozik, elkezd hervadni, becsukja a gázcserenyílásait, a levelei a normál állásból elkezdenek kissé fölfelé mozdulni. Ezeket a jeleket mi még nem látjuk, de a kamerákkal már érzékelhetők, és a mesterséges intelligencia jelezni tudja, hogy baj lesz, avatkozzunk be valamilyen segítséggel – mutatta be egy példával a módszert Dr. Tar Melinda.

A kutatás azért különösen ígéretes, mert habár kamerarendszereket korábban is használtak a növények monitorozására, a mesterséges intelligenciával még csak néhányan kapcsolták össze. A mesterséges intelligencia nagy mennyiségű adatot képes feldolgozni és alkalmazni, abból modelleken keresztül tud tanulni, így az előrejelzési rendszer hatékonyabb.

A módszer a tervek szerint elérhető lesz különböző inputanyaggyártók, fejlesztők számára, illetve nemesítő házak számára is, akik szeretnének új növényfajtákat előállítani és azok stressztűrését tesztelni. – Célunk az is, hogy ne csak a nagy gazdaságok, hanem a közepes és kisgazdálkodók is hozzáférjenek az eljáráshoz valamilyen platform vagy bérleti konstrukció alapján – tudtuk meg Dr. Tar Melindától.

Balog Helga
Fotó: Bartha Karina