Фузариоз колоса и вызываемый им микотоксин, особенно дезоксиниваленол (ДОН), могут нанести серьёзный экономический ущерб производителям. Фузариоз колоса снижает урожайность, а также загрязняет урожай микотоксинами, делая опасным для потребления человеком и животными. Канадские ученые разрабатывают портативный детектор нового поколения для выявления опасного заболевания сначала для пшеницы, следующий на очереди ячмень.
Заражённые фузариозом зёрна пшеницы могут быть визуально оценены производителем: обычно они выглядят мелово-белыми, сморщенными и иногда покрытыми розовым или белым мицелием. Однако другие злаки, например, ячмень, не так легко оценить, поскольку его шелуха скрывает инфекцию. Визуальная оценка также субъективна, трудоемка и может ввести в заблуждение, поскольку загрязненные зерна могут казаться здоровыми. Шейла Андраде, аспирантка Университета Саскачевана, работает над созданием метода обнаружения, который должен облегчить задачу производителей, агрономов и промышленности, пишет Джанель Рудольф в статье, опубликованной канадским агроизданием Western Producer.
«ДОН измеряется хроматографическими и иммунологическими методами, — пояснила она в своём выступлении на Панамериканской конференции «Источники света для сельского хозяйства». — Это дорогостоящий и отнимающий много времени процесс… Поскольку болезнь влияет на развитие зерна, то и фузариоз колоса, и ДОН являются факторами, снижающими оценку, и обычно фузариоз колоса используется в качестве косвенного показателя загрязнения ДОН. Однако эти корреляции не постоянны, и степень заражения зависит от генотипа изолята и времени заражения зерна».
В связи с этим Андраде изучает альтернативный метод обнаружения. Целью ее работы было использование синхротронного рентгеновского фазово-контрастного компьютерного томографа в Канадском источнике света (CLS) для измерения морфологических параметров зерен пшеницы, зараженных фузариозом, корреляции этих параметров с заражением ДОН, а также сравнение различий морфологических симптомов фузариоза твердых и мягких сортов пшеницы. После того, как будет получено понимание этих параметров и изображений, их можно будет использовать для информирования технологии машинного обучения с целью создания простого метода обнаружения заболеваний.
В исследовании использовались четыре сорта твёрдой пшеницы и пять сортов мягкой пшеницы. Каждый сорт был высажен в полевых питомниках и инокулирован грибом Fusarium graminearum в фазе цветения. По достижении зрелости их собирали и отправляли в CLS для исследований Андраде.
Колосья пшеницы помещались в пробирки, и партиями по шесть штук были отсканированы с помощью биомедицинской системы визуализации в CLS. Эта система позволила Андраде и её команде неразрушающим образом рассмотреть колосья пшеницы под разными углами и создать цифровую трёхмерную реконструкцию зёрен.
Затем отдельные зерна были изолированы для получения необходимых показателей при заражении фузариозом колоса, включая длину, ширину и вес, коэффициент формы, плотность, толщину и др.
«После того как мы завершили всю обработку изображений и сегментацию, мы хотели узнать, насколько загрязнено зерно, каков был уровень загрязнения каждого отдельного зерна», — сказала Андраде.
Однако для определения степени загрязнения команде пришлось вручную обмолотить колосья пшеницы и убедиться, что каждое зерно маркировано в соответствии с анализом изображения. Всего вручную было обмолочено 725 зерен, которые были разделены на две группы.
«В первом случае у нас было 369 зёрен, в которых не было обнаружено ДОН, и они были классифицированы как зёрна без ДОН. С другой стороны, у нас было 356 зёрен, в которых был обнаружен ДОН, и они были классифицированы как зёрна, загрязнённые ДОН. Эта информация была проанализирована, чтобы выяснить, как изменяются параметры между загрязнёнными и незагрязнёнными образцами. Между группами была обнаружена значительная разница по большинству параметров, за исключением длины. Зёрна без ДОН, как и ожидалось, показали высокие значения по большинству показателей, за исключением фактора формы. Также наблюдалось значительное взаимодействие с типом пшеницы: морфологические различия были более выражены у мягкой пшеницы», — сказала Андраде.
«У нас есть интересные результаты, показывающие, например, что плотность, серая масса, а иногда и форма у заражённых и незаражённых зёрен различаются. Мы получили значительную разницу, а теперь используем эти параметры для обучения модели машинного обучения», — сказала она.
Используя эту информацию, ученые вводят её в четыре различные модели для тестирования. Они используют код и свои наборы данных для обучения модели, используя 70% ресурсов для обучения и оставшиеся 30% для проверки точности модели. Одна из моделей показала лучший результат со средней точностью около 80%.
Система правильно классифицировала 80% зёрен, загрязнённых ДОН, и 82% зёрен, не содержащих ДОН, так что пока проект успешен, то есть рентгеновские снимки могут использоваться для выявления больного зерна. Исследователь пояснила, что следующей целью будет использование портативного аппарата в первую очередь для оказания помощи селекционерам пшеницы, поскольку у них есть большой объем материалов для анализа технологии, которая в конечном итоге будут использоваться агрономами, фермерами и промышленностью.
Подобный сканер мог бы кардинально изменить ситуацию с фузариозом колоса, помогая лучше выявлять зерна, загрязненные ДОН, которые могут остаться незамеченными и вызвать потенциальные проблемы с продовольственной безопасностью.
Андраде надеется, что такая машина появится в ближайшие три-пять лет, если удастся создать её на основе устройств, аналогичных тем, что сейчас используются в лаборатории. Команда уже тесно сотрудничает с сотрудниками инженерного отдела, которые разработали портативную RGB-камеру лабораторного уровня, и ученые хотят бы иметь что-то похожее, но для рентгеновского сканирования.
Потенциально может возникнуть необходимость в объединении более чем одного типа изображений, например, рентгеновских снимков и обычных фотографических изображений, поскольку цвет может иметь важное значение для идентификации фузариоза колоса.
Другая часть проекта — расширение его на другие злаки. Андраде недавно начала процесс визуализации и анализа ячменя, после завершения которого она перейдёт к другим видам.
Ячмень является приоритетным зерном, поскольку оболочка зерна делает селекционеров, производителей и промышленность ячменя «слепыми».
«Они не знают, что происходит, поэтому им нужно провести обследование. Я думаю, если мы сможем использовать рентгеновское изображение для прогнозирования ДОН, это будет для них очень полезно, потому что у них нет визуальной оценки, которая могла бы им помочь», — сказала она.
Зная, какие параметры работают, многое из этого пшеничного проекталегко применимо к другим зерновым. Визуализировать и сегментировать следующие виды зерновых культур будет быстрее, чем пшеницу, но всё равно потребуется время. У Андраде есть 1500 образцов, каждый из которых содержит 100 семян, за последние три года, которые необходимо проанализировать и идентифицировать.
Источник: Western Producer. Автор: Джанель Рудольф.