Des chercheurs de Cornell développent un système qui détecte l’oïdium et le mildiou de la vigne plusieurs jours avant l’apparition des symptômes

Des chercheurs de Cornell AgriTech, à Geneva, dans l’État de New York, disent avoir mis au point une plateforme d’imagerie capable de détecter des maladies de la vigne plusieurs jours avant l’apparition de symptômes sur les feuilles, une avancée qui pourrait aider les sélectionneurs et les responsables de vignobles à réagir plus tôt face à deux des infections les plus dommageables du secteur.

Le système, baptisé HyperBird, utilise l’imagerie hyperspectrale pour repérer les premiers signes de l’oïdium et du mildiou, selon Cornell University, qui a annoncé ces travaux lundi. Ces maladies sont une source majeure de pertes de récolte dans les vignobles du monde entier, et une détection plus précoce pourrait laisser aux viticulteurs davantage de temps pour ajuster les programmes fongicides et d’autres décisions de conduite avant que les dégâts ne deviennent visibles.

Ces recherches pourraient aussi avoir des implications pour le secteur des boissons, car le raisin est la matière première du vin, et un diagnostic plus rapide des maladies pourrait permettre une gestion plus précise du vignoble. À plus long terme, la même méthode de criblage à haut débit pourrait aider les programmes de sélection à avancer plus vite dans le développement de cépages de vigne résistants aux maladies, ce qui pourrait réduire les pertes et l’usage de produits chimiques dans la production de vin si l’approche se révèle efficace à plus grande échelle.

Cornell a indiqué qu’HyperBird est conçu pour observer des caractéristiques microscopiques des plantes que les caméras ordinaires ne peuvent pas saisir. Les caméras standards enregistrent trois bandes de lumière visible, rouge, verte et bleue. L’imagerie hyperspectrale enregistre des centaines de bandes de longueurs d’onde étroites, y compris des informations au-delà du spectre visible. Cela permet aux chercheurs de détecter des changements internes dans les tissus foliaires avant que les marques de la maladie n’atteignent la surface.

Le projet réunit la pathologie végétale, l’ingénierie et la sélection de la vigne. Parmi les chercheurs seniors impliqués figurent Katie Gold, professeure adjointe de pathologie de la vigne à Cornell AgriTech ; Yu Jiang, professeur adjoint et ingénieur en systèmes à la School of Integrative Plant Science de Cornell ; et Lance Cadle-Davidson, phytopathologiste chercheur au Service de recherche agricole du Department of Agriculture des États-Unis et professeur associé adjoint à Cornell.

Cornell a indiqué que la plateforme peut traiter des centaines d’échantillons de feuilles en quelques heures. Une telle rapidité est essentielle dans la sélection et le criblage des maladies, où les laboratoires doivent souvent comparer de très grands nombres d’échantillons. Selon l’université, la machine fonctionne comme un microscope de phénotypage à haut débit, ce qui signifie qu’elle peut mesurer, sur de nombreux échantillons, des caractères observables liés à la résistance aux maladies sur une courte période.

L’un des obstacles techniques que l’équipe dit avoir résolu concernait la résolution spatiale à l’échelle microscopique. En imagerie hyperspectrale, un signal de maladie peut être perdu si la zone touchée est trop petite et que sa lumière réfléchie se mélange à celle des tissus sains voisins. Jiang a déclaré dans le rapport de Cornell que le défi revient un peu à tenter d’isoler la signature d’un petit objet dans une grande pièce si l’image manque de détails. HyperBird a été conçu pour distinguer ces minuscules zones atteintes des cellules saines environnantes.

Ces travaux s’appuient sur un prototype antérieur de Cornell, baptisé Blackbird, présenté par l’équipe en 2021. Blackbird était un système d’imagerie robotisé qui enregistrait dans les longueurs d’onde rouge, verte et bleue et servait à accélérer l’évaluation d’échantillons de feuilles de vigne à la recherche de signes d’infection. Cornell a indiqué qu’HyperBird prolonge cette plateforme avec une résolution spectrale environ 200 fois supérieure par pixel, tout en conservant un niveau de détail spatial de l’ordre du microscope.

Une étude publiée le 20 mai dans la revue Plant Disease et dirigée par l’ancien chercheur postdoctoral de Cornell Saeed Hosseinzadeh a servi de première preuve de concept. Cornell a indiqué que le système avait collecté neuf téraoctets d’images hyperspectrales en une seule journée et montré que la maladie pouvait être détectée avant l’apparition de symptômes visibles. La même étude a également conclu que la technologie pouvait identifier des résidus de fongicides sur les feuilles, distinguer les traitements utilisés contre le mildiou et évaluer leur efficacité.

Cette étude a également suggéré que les données d’imagerie pourraient aider à identifier les lignées de vigne sélectionnées pour leur résistance aux maladies. Cornell a indiqué que le système était capable de détecter de subtiles signatures optiques liées au patrimoine génétique d’une plante, notamment des différences de pigments, de structure cireuse, de teneur en eau et d’anatomie interne des feuilles. Pour les sélectionneurs de vigne, cela pourrait offrir un moyen plus rapide de trier de grandes populations et d’identifier plus tôt les plants prometteurs.

HyperBird a, pour sa part, été officiellement décrit dans un article publié le 8 septembre dans la revue Plant Phenomics. Le premier auteur était Jinhong Yu, doctorant dans le laboratoire de Jiang. Cornell a indiqué que cet article détaillait la manière dont le système robotisé fournit une imagerie hyperspectrale à haut débit à l’échelle microscopique et peut comparer de petites zones malades avec les spectres moyens du reste de la feuille pour suivre la progression du mildiou et de l’oïdium.

Gold a déclaré dans le rapport de Cornell que le système peut désormais atteindre, dès le troisième jour, le niveau de précision que les méthodes antérieures n’atteignaient qu’au sixième ou au neuvième jour. Si cette performance se confirme dans un usage plus large, cela signifierait que les chercheurs peuvent mener les évaluations des maladies deux à trois fois plus vite qu’auparavant.

Une troisième étude, publiée le 29 juin dans Plant Disease, a testé le système en conditions de terrain. Cet article, dirigé par Lorenzo Pippi, ancien scientifique invité dans le laboratoire de Gold et issu de l’Université de Pise, a utilisé des disques foliaires prélevés sur des vignes dans des vignobles pour comparer des fongicides conventionnels, des biofongicides et des témoins non traités face au mildiou. Cornell a indiqué que la méthode d’imagerie avait détecté de premiers changements optiques liés à l’infection, distingué les pulvérisations en fonction des résidus laissés sur les feuilles, puis aidé à évaluer quels traitements étaient les plus efficaces.

Cela pourrait être utile dans les vignobles commerciaux, car la pression du mildiou varie souvent d’une zone du parcellaire à l’autre, ce qui complique l’évaluation de l’efficacité d’un produit ou la possibilité que les niveaux d’infection soient simplement inégaux. Un outil capable de détecter la maladie plus tôt et de distinguer les signaux d’infection des résidus de pulvérisation pourrait aider les viticulteurs à prendre des décisions plus ciblées, même si la technologie devrait encore être déployée concrètement au-delà des seuls environnements de recherche.

Pour l’instant, l’une des étapes les plus lentes reste le prélèvement des échantillons. Les techniciens doivent encore découper dans les feuilles des disques de la taille d’une pièce de dix cents et les apporter à la machine pour analyse. Cornell a indiqué que c’est la partie la plus chronophage du processus et que des étudiants en robotique travaillent à l’automatiser.

L’université a indiqué travailler avec Moblanc Robotics pour fabriquer HyperBird. Cornell a également précisé que la plateforme pourrait être adaptée à d’autres cultures et à d’autres maladies, et que les chercheurs ont entamé des discussions avec une entreprise du secteur fromager, ce qui laisse penser que cette approche d’imagerie pourrait avoir des usages au-delà de la viticulture.

Le projet s’inscrit dans VitisGen3, un programme de sélection de la vigne financé par le National Institute of Food and Agriculture du Department of Agriculture des États-Unis. Cornell a indiqué que d’autres financements provenaient de fonds fédéraux de capacité attribués à l’université, du President’s Council of Cornell Women Research Fund, de la New York Wine and Grape Foundation et de la USDA Grape Genetics Research Unit.