太陽光発電式センサーがブドウ畑のべと病・うどんこ病胞子をほぼリアルタイムで検出

研究者らは、デジタルホログラフィーと人工知能を用いて、ブドウ畑のべと病とうどんこ病の空中浮遊胞子をほぼリアルタイムで検出する太陽光発電式センサーを開発したと発表した。病害防除を維持しながら、より少ない殺菌剤散布につながる可能性があるとしている。

この研究はFrontiers in Plant Scienceに掲載され、ブドウ栽培において最もコストが高く、かつ慢性的に問題となる2つの菌類病害に焦点を当てている。Plasmopara viticolaによって引き起こされるべと病は、温暖で湿潤な条件で広がりやすい。Erysiphe necatorによって引き起こされるうどんこ病は、より暖かく乾燥した天候を好む。いずれも収量とブドウ品質に損害を与え、通常は感染が目に見える前に予防的な散布で管理される。

こうした予防的な対応では、栽培者は不確実性の中で判断を迫られる。多くのブドウ畑では、殺菌剤は萌芽後まもなくからヴェレゾン開始まで散布され、1シーズンに7回から12回行われることが多い。そうした判断は通常、気象予報と病害モデルに基づいている。著者らによれば、その方法では、リスク期間が過ぎてから初めて不要だったように見える処理が生じることがある。

新しい装置は、そうした判断に直接的な生物学的証拠を加えることを目的としている。感染を助長する可能性のある気象条件だけに頼るのではなく、2つの病原体の胞子が実際に空気中に存在するかどうか、またその量を測定する。症状が葉や果実に現れる前に、病害圧について栽培者へより迅速な情報を提供することが狙いだ。

論文では、スイスのChanginsとフランスのChâteau le Puyでの事例研究を紹介しており、2021年から2023年までの3シーズンにわたって圃場で使用された。著者らによれば、こうした初期導入は、2つの病害を効果的に抑えながら殺菌剤使用量を大幅に削減できる「有望な戦略」を示したという。同時に、結果を確認し、より強い統計的裏づけを与えるには、さらなる事例研究が必要だと注意を促している。

このシステムは、単独で運用する圃場用機器として設計されている。空気は1.4m3/時の制御された流量で取り込まれ、粒子は回転するサファイアディスク上に濃縮される。続いてレーザーが付着した物質を照射し、4800万画素のイメージセンサーがホログラムを記録する。ソフトウェアがディスク上の粒子によって生じた回折パターンを検出し、2段階の人工知能モデルがそれらを分類する。著者らは、この装置は太陽光パネルで駆動し、4Gの携帯回線を通じて画像を送信し、圃場でのメンテナンスなしに1シーズン通して稼働できるとしている。

研究では、現時点での実運用上の検出限界は、参照用エアロゾル分光計を用いた圃場キャリブレーション試験に基づき、3時間の取得ウィンドウで立方メートル当たり約2胞子だとしている。これは、感染に結びつく空中濃度が低い場合があるため重要だ。先行研究のレビューでは、べと病のブドウ畑での濃度は通常、立方メートル当たり2から40の胞子嚢の範囲で、好条件下ではさらに高いピークが見られると記されている。著者らはまた、感染リスクは胞子負荷とともに急激に高まり、好適条件下では立方メートル当たり1から5の胞子嚢で50%のリスク、15胞子嚢で90%のリスクに相当すると示した研究も引用している。

うどんこ病については、論文は先行研究を引用し、シーズン中の濃度は立方メートル当たり2から100の分生子に及び、最適条件下ではピークがそれをはるかに上回る可能性があり、5分生子で感染が始まるのに十分かもしれないとしている。また、べと病はうどんこ病より短い距離しか広がらず、時には約50メートルにとどまることもあるため、局地的で区画ごとのモニタリングが特に重要だとも述べている。

こうした局地的な視点は、飲料業界、とりわけワイン生産者にとって重要になり得る。胞子測定が区画ごとの病害圧を信頼性高く反映できれば、栽培者は広域の予報だけに頼らず、各ブロックの実際のリスクに基づいて、より選択的な散布判断を下せる可能性がある。これは生産コスト、処理のスケジュール、さらにはブドウ品質にも影響し得るが、同研究は、こうした結果が業界全体でまだ確立されているとは主張していない。

著者らは、この研究を農薬使用をめぐる広範な政策・環境論争の中に位置づけている。殺菌剤処理には栽培者にとって直接コストがかかり、作業者の曝露、植生への残留、土壌や地下水の汚染、生物多様性への広範な影響への懸念を生むと指摘する。論文は、2019年の欧州議会決議を引用し、加盟国の80%が農薬使用を合理化する効果的な措置を導入できていなかったとしている。

この研究は、現在の胞子モニタリングにおける実務上の弱点にも対処している。従来の圃場サンプリング法は、粘着テープやrotorodsに依存し、その後にLAMPやqPCRなどの分子技術を用いた実験室分析が行われることが多い。こうした方法は有用な測定値を提供できるものの、労力がかかり、結果が出るまで通常1日から3日を要する。急速に進行する感染事象の前に散布するかどうかを判断したい栽培者にとって、この遅れは長すぎる可能性がある。

タイミングは、べと病では特に重要だ。著者らによれば、この病害の防除剤は、病原体の感染段階に植物表面に存在していなければならない。感染段階では、遊走子が表面水中におよそ12時間から24時間かけて放出される。病原体が植物組織に侵入すると、処理の効果は低下し、発生リスクは高まる。

装置の背後にあるAIシステムは、実験室と圃場で採取した胞子のホログラム画像で学習させた。論文では、雑音、汚れ、粒子の凝集体、無関係な生物由来物質など、標的胞子をその他の空中粒子から分離するよう設計された2つの畳み込みニューラルネットワークについて説明している。初期の圃場導入では、一部の結果について人による確認も行われ、時折の誤分類を修正し、時間の経過とともに学習データを改善した。

著者らは、この装置が既存の多くの農業モニタリングツールと異なるのは、湿度、気温、衛星画像などの間接的指標だけから病害リスクを推定するのではない点だと述べている。代わりに、作物上空の空気中にある病原体接種源を直接測定しようとする。ブドウ畑では、最近の処理で胞子数が減ったかどうか、気象ベースの警報が実際の病原体の存在によって裏づけられているかどうか、計画していた殺菌剤散布の一部を延期または省略できるかどうかの評価に役立つ可能性があると彼らは主張している。

論文は、この試作機の商用版が近い将来に登場する見通しだとしている。現時点で研究者らは、この研究を、精密ブドウ栽培におけるリアルタイム胞子検出の活用に向けた初期的だが実用的な一歩として位置づけている。そこでは、病害防除の判断が広い季節計画ではなく、圃場レベルのデータにますます結びついている。