Cornell के शोधकर्ताओं ने ऐसा सिस्टम विकसित किया जो अंगूर की मिल्ड्यू का पता लक्षण दिखने से कई दिन पहले लगा सकता है

न्यूयॉर्क के जेनेवा स्थित Cornell AgriTech के शोधकर्ताओं का कहना है कि उन्होंने एक ऐसा इमेजिंग प्लेटफ़ॉर्म विकसित किया है, जो पत्तियों पर लक्षण दिखाई देने से कई दिन पहले ही अंगूर के रोगों का पता लगा सकता है। यह कदम उद्योग की दो सबसे नुकसानदेह संक्रमणों पर ब्रीडरों और दाख़बाग़ प्रबंधकों को पहले प्रतिक्रिया देने में मदद कर सकता है।

Cornell University के अनुसार, HyperBird नाम का यह सिस्टम hyperspectral imaging का इस्तेमाल करके पाउडरी मिल्ड्यू और डाउनी मिल्ड्यू के शुरुआती संकेतों की पहचान करता है। विश्वविद्यालय ने सोमवार को यह काम घोषित किया। ये रोग दुनिया भर के दाख़बाग़ों में फसल नुकसान का बड़ा स्रोत हैं, और पहले से पहचान होने पर उत्पादकों को नुकसान दिखाई देने से पहले fungicide कार्यक्रमों और अन्य प्रबंधन निर्णयों को समायोजित करने के लिए अधिक समय मिल सकता है।

इस शोध के drinks business के लिए भी संभावित निहितार्थ हैं, क्योंकि अंगूर वाइन का कच्चा माल हैं, और रोग का तेज़ निदान अधिक सटीक दाख़बाग़ प्रबंधन को समर्थन दे सकता है। लंबी अवधि में, वही high-throughput screening विधि ब्रीडिंग कार्यक्रमों को रोग-प्रतिरोधी अंगूर किस्में विकसित करने में तेज़ी से आगे बढ़ने में मदद कर सकती है, जिससे बड़े पैमाने पर यह तरीका प्रभावी साबित होने पर उत्पादन हानि कम हो सकती है और वाइन उत्पादन में रसायनों का उपयोग घट सकता है।

Cornell ने कहा कि HyperBird को ऐसे सूक्ष्म पौध लक्षणों को देखने के लिए डिज़ाइन किया गया है जिन्हें सामान्य कैमरे नहीं पकड़ सकते। मानक कैमरे तीन visible-light बैंड रिकॉर्ड करते हैं — लाल, हरा और नीला। Hyperspectral imaging सैकड़ों संकीर्ण wavelength bands रिकॉर्ड करता है, जिनमें visible range से परे की जानकारी भी शामिल होती है। इससे शोधकर्ता रोग के निशान सतह पर आने से पहले पत्ती ऊतक में होने वाले आंतरिक बदलावों का पता लगा सकते हैं।

यह परियोजना plant pathology, engineering और grape breeding को एक साथ लाती है। इसमें शामिल वरिष्ठ वैज्ञानिकों में Katie Gold, Cornell AgriTech में grape pathology की assistant professor; Yu Jiang, Cornell’s School of Integrative Plant Science में assistant professor और systems engineer; तथा Lance Cadle-Davidson, U.S. Department of Agriculture’s Agricultural Research Service के research plant pathologist और Cornell में adjunct associate professor शामिल हैं।

Cornell ने कहा कि यह प्लेटफ़ॉर्म कुछ ही घंटों में सैकड़ों पत्ती नमूनों को प्रोसेस कर सकता है। ब्रीडिंग और रोग स्क्रीनिंग में ऐसी गति महत्वपूर्ण है, जहाँ प्रयोगशालाओं को अक्सर बहुत बड़ी संख्या में नमूनों की तुलना करनी पड़ती है। विश्वविद्यालय के अनुसार, यह मशीन एक high-throughput phenotyping microscope की तरह काम करती है, यानी यह कम समय में कई नमूनों में रोग-प्रतिरोध से जुड़े देखे जा सकने वाले लक्षणों को माप सकती है।

टीम ने जिन तकनीकी चुनौतियों को हल किया, उनमें एक सूक्ष्म स्तर पर spatial resolution की थी। Hyperspectral imaging में यदि प्रभावित क्षेत्र बहुत छोटा हो और उसकी परावर्तित रोशनी आसपास के स्वस्थ ऊतक की रोशनी के साथ मिल जाए, तो रोग संकेत खो सकता है। Jiang ने Cornell की रिपोर्ट में कहा कि यह चुनौती कुछ वैसी ही है जैसी किसी बड़ी कमरे में छोटे वस्तु की पहचान को अलग करने की कोशिश, अगर छवि में पर्याप्त विवरण न हो। HyperBird को इन्हीं बहुत छोटे रोगग्रस्त क्षेत्रों को आसपास की स्वस्थ कोशिकाओं से अलग करने के लिए बनाया गया था।

यह काम Cornell के पहले के एक प्रोटोटाइप Blackbird पर आधारित है, जिसे टीम ने 2021 में पेश किया था। Blackbird एक robotic imaging system था, जो red, green और blue wavelength में रिकॉर्ड करता था और अंगूर की पत्ती के नमूनों में संक्रमण के संकेतों का आकलन तेज़ करने के लिए इस्तेमाल किया गया था। Cornell ने कहा कि HyperBird उस प्लेटफ़ॉर्म को प्रति pixel लगभग 200 गुना अधिक spectral resolution के साथ आगे बढ़ाता है, जबकि microscope-स्तर का spatial detail बरकरार रखता है।

20 मई को जर्नल Plant Disease में प्रकाशित एक अध्ययन, जिसका नेतृत्व Cornell के पूर्व postdoctoral researcher Saeed Hosseinzadeh ने किया, सिद्धांत के शुरुआती प्रमाण के रूप में काम आया। Cornell ने कहा कि सिस्टम ने एक ही दिन में नौ terabytes hyperspectral images एकत्र किए और दिखाया कि दृश्य लक्षण उभरने से पहले ही रोग का पता लगाया जा सकता है। उसी अध्ययन में यह भी पाया गया कि तकनीक पत्तियों पर fungicide residues की पहचान कर सकती है, मिल्ड्यू के खिलाफ इस्तेमाल किए गए उपचारों में अंतर कर सकती है, और यह आकलन कर सकती है कि वे उपचार कितनी अच्छी तरह काम कर रहे थे।

उस अध्ययन ने यह भी संकेत दिया कि imaging data रोग-प्रतिरोध के लिए विकसित की जा रही grapevine lineages की पहचान में मदद कर सकता है। Cornell ने कहा कि सिस्टम पौधे की आनुवंशिक पृष्ठभूमि से जुड़े सूक्ष्म optical signatures का पता लगाने में सक्षम था, जिनमें pigments, wax structure, water content और आंतरिक पत्ती शरीररचना में अंतर शामिल हैं। अंगूर ब्रीडरों के लिए, इससे बड़ी populations को छाँटने और प्रक्रिया के पहले चरण में ही संभावनाशील पौधों को खोजने का तेज़ तरीका मिल सकता है।

HyperBird का औपचारिक वर्णन 8 सितंबर को जर्नल Plant Phenomics में प्रकाशित एक पेपर में किया गया। इसके प्रथम लेखक Jinhong Yu थे, जो Jiang की प्रयोगशाला में doctoral student हैं। Cornell ने कहा कि उस पेपर में विस्तार से बताया गया है कि कैसे यह robotic system सूक्ष्म पैमाने पर high-throughput hyperspectral imaging देता है और डाउनी मिल्ड्यू तथा पाउडरी मिल्ड्यू की प्रगति पर नज़र रखने के लिए पत्ती के शेष हिस्से के औसत स्पेक्ट्रा के साथ छोटे रोगग्रस्त क्षेत्रों की तुलना कर सकता है।

Cornell की रिपोर्ट में Gold ने कहा कि यह सिस्टम अब तीसरे दिन तक उस स्तर की सटीकता हासिल कर सकता है, जो पहले की विधियाँ केवल छठे या नौवें दिन तक हासिल कर पाती थीं। अगर यह प्रदर्शन व्यापक उपयोग में भी कायम रहता है, तो इसका मतलब होगा कि शोधकर्ता रोग मूल्यांकन को पहले की तुलना में दो से तीन गुना तेज़ी से पूरा कर सकते हैं।

तीसरा अध्ययन, जो 29 जून को Plant Disease में प्रकाशित हुआ, ने इस सिस्टम का field conditions में परीक्षण किया। उस पेपर का नेतृत्व Lorenzo Pippi ने किया, जो University of Pisa से Gold की प्रयोगशाला में पूर्व visiting scientist थे। इसमें बाग़ों में दाख़बेलों से एकत्र किए गए leaf discs का उपयोग करके conventional fungicides, biofungicides और untreated controls की डाउनी मिल्ड्यू के खिलाफ तुलना की गई। Cornell ने कहा कि imaging method ने संक्रमण से जुड़े शुरुआती optical changes का पता लगाया, पत्तियों पर बचे residues के आधार पर sprays में अंतर किया, और फिर यह आकलन करने में मदद की कि कौन-से उपचार सबसे बेहतर काम कर रहे थे।

यह commercial vineyards में उपयोगी हो सकता है, क्योंकि मिल्ड्यू का दबाव अक्सर खेत के एक हिस्से से दूसरे हिस्से में बदलता रहता है, जिससे यह तय करना कठिन हो जाता है कि कोई उत्पाद काम कर रहा था या संक्रमण का स्तर बस असमान था। जो उपकरण रोग को पहले पकड़ता है और संक्रमण संकेतों को spray residues से अलग करता है, वह उत्पादकों को अधिक लक्षित निर्णय लेने में मदद कर सकता है, हालांकि इस तकनीक को अनुसंधान वातावरण से बाहर व्यावहारिक तैनाती की अभी भी ज़रूरत होगी।

फिलहाल, धीमे चरणों में से एक नमूना संग्रह बना हुआ है। तकनीशियनों को अभी भी पत्तियों से डाइम-आकार के डिस्क काटकर विश्लेषण के लिए मशीन तक लाना पड़ता है। Cornell ने कहा कि प्रक्रिया का यही हिस्सा सबसे अधिक समय लेने वाला है और robotics के छात्र इसे स्वचालित करने पर काम कर रहे हैं।

विश्वविद्यालय ने कहा कि वह HyperBird के निर्माण के लिए Moblanc Robotics के साथ काम कर रहा है। Cornell ने यह भी कहा कि इस प्लेटफ़ॉर्म को अन्य फसलों और रोगों के लिए भी अनुकूलित किया जा सकता है, और शोधकर्ताओं ने चीज़ उद्योग की एक कंपनी के साथ बातचीत शुरू कर दी है, जिससे संकेत मिलता है कि इस imaging approach के उपयोग viticulture से आगे भी हो सकते हैं।

यह परियोजना VitisGen3 का हिस्सा है, जो U.S. Department of Agriculture’s National Institute of Food and Agriculture द्वारा वित्तपोषित एक grape breeding program है। Cornell ने कहा कि अन्य धन federal capacity funds से आया, जो विश्वविद्यालय को आवंटित किए गए थे, साथ ही President’s Council of Cornell Women Research Fund, New York Wine and Grape Foundation, और USDA Grape Genetics Research Unit से भी समर्थन मिला।