Мировое виноградарство и виноделие ежегодно теряет миллиарды долларов из-за мучнистой (оидиум) и ложной мучнистой росы (милдью). Коварство этих болезней заключается в скрытом инкубационном периоде: когда виноградарь замечает первые белые пятна на листьях, виноградник уже глубоко заражен, а часть урожая безвозвратно потеряна.
Группа исследователей из Корнелльского сельскохозяйственного технологического института (Cornell AgriTech) под руководством доцента Кэти Голд представила важную фитопатологическую разработку. Ученые создали HyperBird — роботизированную платформу высокопроизводительного микроскопического фенотипирования, способную совершить революцию в защите растений и селекции.
В то время как обычные цифровые камеры и человеческий глаз видят мир лишь в трех диапазонах (красном, зеленом и синем), HyperBird использует технологию гиперспектральной визуализации. Прибор регистрирует сотни узких диапазонов длин волн света. Это позволяет заглянуть внутрь клеточной структуры листа.
Робот фиксирует малейшие физиологические изменения — например, едва заметное падение уровня хлорофилла или реакцию иммунной системы растения — в первые же часы после атаки грибных спор. Инфекция распознается уже на 3-й день после заражения, когда внешне лист выглядит абсолютно здоровым.
«Гиперспектральная информация, выходящая за пределы видимого диапазона, может дать представление о многих биологических процессах, происходящих между тканями листьев и патогенами, и углубить наше понимание этих процессов», — объясняет Ю Цзян, доцент и системный инженер Школы интегративной науки о растениях (SIPS) при Колледже сельского хозяйства и наук о жизни Корнелла (CALS).
HyperBird эволюционировал из своего предшественника — робота Blackbird (2021 год), который работал в обычном RGB-режиме. Главным достижением инженеров во главе с Ю Цзяном стало объединение гиперспектральной съемки сверхвысокого разрешения (до 24,3 микрометра на пиксель) и полной автоматизации процесса.
До этого ученые сталкивались с проблемой пространственного разрешения на микроуровне: сигнал от крошечного очага болезни просто размывался на фоне здоровых клеток.
«Представьте, что вы пытаетесь найти банку кока-колы на фотографии огромной комнаты, — приводит аналогию Ю Цзян. — Если изображению не хватает детализации, чтобы отделить банку от фона, отраженный от нее свет смешивается со светом от всего, что ее окружает. Это делает ее спектральный след — уникальный паттерн отражения света — практически неуловимым».
HyperBird успешно решает эту задачу, изолируя «спектральный отпечаток» болезни от здоровой ткани на самых ранних стадиях. При этом система полностью автоматизирована: робот самостоятельно сканирует до 351 образца листовых дисков всего за 2,4 часа. Если раньше лаборантам приходилось вручную настраивать фокус и исследовать каждый образец под микроскопом, то теперь HyperBird делает это сам.
«Это позволяет ученым гораздо более доступным способом использовать возможности гиперспектрального и высокопроизводительного анализа, — отмечает Кэти Голд. — Теперь у нас есть физическая система, которая позволяет нам переводить сложные вопросы и отвечать на них с помощью мощных инструментов, что стало намного доступнее, чем когда-либо прежде».
Технология, подробно описанная в серии из трех недавних научных публикаций, окажет огромное влияние на три ключевые сферы:
- Ускоренная селекция. Селекционеры смогут быстро отсеивать гибридные сорта винограда, неустойчивые к болезням, на стадии рассады. Полевые испытания, занимавшие годы, теперь сократятся до недель.
- Точное земледелие. Виноградари смогут отказаться от профилактического «слепого» опрыскивания химикатами по календарю. Фунгициды будут вноситься в очагах скрытого заражения и в минимальных объемах.
- Прогнозирование бизнеса. Управляющие виноградарских хозяйств получат точные карты здоровья плантаций, что позволит без погрешностей планировать объемы сбора урожая и качество будущего вина.
Платформа HyperBird уже выходит из стен лабораторий. Разработчики начали сотрудничество со стартапом Moblanc Robotics для вывода технологии на коммерческий рынок. Более того, алгоритмы ИИ, заложенные в HyperBird, уже тестируются в других отраслях, например, для автоматического контроля качества в сырной промышленности.
Источник: Cornell University.
На заглавном фото: образцы виноградных листьев помещены под микроскоп спектроскопического прибора HyperBird. Автор фото: Райан Янг/Корнелльский университет.
