Исследователи Cornell разработали систему, выявляющую болезни винограда за несколько дней до появления симптомов

Исследователи из Cornell AgriTech в Дженеве, штат Нью-Йорк, заявили, что разработали платформу визуализации, способную выявлять болезни винограда за несколько дней до появления симптомов на листьях; это может помочь селекционерам и управляющим виноградниками раньше реагировать на две наиболее разрушительные инфекции отрасли.

Система под названием HyperBird использует гиперспектральную съемку для выявления ранних признаков оидиума и милдью, сообщила Корнеллский университет, объявившая о работе в понедельник. Эти заболевания являются крупным источником потерь урожая в виноградниках по всему миру, и более раннее обнаружение могло бы дать виноградарям больше времени, чтобы скорректировать схемы фунгицидной защиты и другие решения по управлению до того, как ущерб станет видимым.

Исследование также имеет потенциальные последствия для индустрии напитков, поскольку виноград является сырьем для вина, а более быстрая диагностика болезней может поддержать более точное управление виноградниками. В более долгосрочной перспективе тот же метод высокопроизводительного скрининга может помочь селекционным программам быстрее разрабатывать устойчивые к болезням сорта винограда, что при подтверждении эффективности подхода в большем масштабе может сократить потери и снизить использование химических средств в виноделии.

Корнелл сообщил, что HyperBird предназначен для наблюдения за микроскопическими признаками растений, которые обычные камеры не способны зафиксировать. Стандартные камеры записывают три канала видимого света — красный, зеленый и синий. Гиперспектральная съемка фиксирует сотни узких диапазонов длин волн, включая информацию за пределами видимого спектра. Это позволяет исследователям обнаруживать внутренние изменения в тканях листа до того, как следы болезни появятся на поверхности.

Проект объединяет фитопатологию, инженерные разработки и селекцию винограда. Среди ведущих ученых — Кэти Голд, доцент кафедры патологии винограда в Cornell AgriTech; Юй Цзян, доцент и системный инженер в Школе интегративной науки о растениях Cornell; и Лэнс Кэдл-Дэвидсон, исследователь- фитопатолог из Службы сельскохозяйственных исследований Министерства сельского хозяйства США и адъюнкт-ассоциированный профессор Cornell.

Корнелл сообщил, что платформа способна обработать сотни образцов листьев за несколько часов. Такая скорость важна в селекции и при скрининге болезней, где лабораториям часто приходится сравнивать очень большое число образцов. По данным университета, машина функционирует как микроскоп для высокопроизводительного фенотипирования, то есть может за короткое время измерять наблюдаемые признаки, связанные с устойчивостью к болезням, у большого числа образцов.

Одной из технических проблем, которую, как сказала команда, удалось решить, было пространственное разрешение на микроскопическом уровне. В гиперспектральной съемке сигнал болезни может быть потерян, если пораженная область слишком мала и отраженный ею свет смешивается со светом от соседней здоровой ткани. Цзян сказал в сообщении Корнелл, что проблема похожа на попытку выделить сигнатуру небольшого объекта в большой комнате, если на изображении недостаточно деталей. HyperBird был создан, чтобы различать эти крошечные пораженные участки среди окружающих здоровых клеток.

Работа опирается на более ранний прототип Cornell под названием Blackbird, который команда представила в 2021 году. Blackbird был роботизированной системой визуализации, записывавшей изображение в диапазонах красного, зеленого и синего света, и использовался для ускорения оценки образцов листьев винограда на наличие признаков инфекции. Корнелл сообщил, что HyperBird расширяет эту платформу примерно в 200 раз по спектральному разрешению на пиксель, сохраняя при этом микроскопический уровень пространственной детализации.

Исследование, опубликованное 20 мая в журнале Plant Disease и возглавленное бывшим постдокторантом Cornell Саидом Хоссейнзаде, стало ранним подтверждением принципа. Корнелл сообщил, что система за один день собрала девять терабайт гиперспектральных изображений и показала, что болезнь можно обнаружить до появления видимых симптомов. В том же исследовании также выяснилось, что технология способна выявлять остатки фунгицидов на листьях, различать обработки, применяемые против милдью, и оценивать, насколько хорошо эти обработки работают.

Это исследование также предположило, что данные визуализации могут помочь выявлять линии винограда, которые выводятся на устойчивость к болезням. Корнелл сообщил, что система смогла обнаруживать тонкие оптические сигнатуры, связанные с генетическим фоном растения, включая различия в пигментах, структуре воска, содержании воды и внутренней анатомии листа. Для селекционеров винограда это могло бы дать более быстрый способ сортировать большие популяции и раньше находить перспективные растения.

Сам HyperBird был официально описан в статье от 8 сентября в журнале Plant Phenomics. Первым автором был Цзиньхун Юй, докторант в лаборатории Цзяна. Корнелл сообщил, что статья подробно описывает, как роботизированная система обеспечивает высокопроизводительную гиперспектральную съемку на микроскопическом уровне и может сравнивать небольшие пораженные участки со средними спектрами по остальной части листа, чтобы отслеживать развитие ложной мучнистой росы и оидиума.

Голд сказала в сообщении Корнелл, что теперь система уже к третьему дню достигает уровня точности, которого более ранние методы добивались только к шестому или девятому дню. Если эта эффективность сохранится при более широком применении, это означало бы, что исследователи смогут проходить этап оценки болезней в два-три раза быстрее, чем раньше.

Третье исследование, опубликованное 29 июня в журнале Plant Disease, тестировало систему в полевых условиях. Эта статья, подготовленная под руководством Лоренцо Пиппи, бывшего приглашенного ученого в лаборатории Голд из Университета Пизы, использовала диски листьев, собранные с лоз в виноградниках, чтобы сравнить традиционные фунгициды, биофунгициды и необработанный контроль против ложной мучнистой росы. Корнелл сообщил, что метод визуализации обнаруживал ранние оптические изменения, связанные с инфекцией, различал обработки по остаткам на листьях, а затем помогал оценить, какие обработки работали лучше всего.

Это может быть полезно в коммерческих виноградниках, потому что давление милдью часто различается от одной части участка к другой, из-за чего трудно понять, сработал ли препарат или же уровни заражения просто были неравномерными. Инструмент, который выявляет болезнь раньше и отделяет сигналы инфекции от остатков опрыскивания, может помочь виноградарям принимать более точечные решения, хотя технология все равно потребует практического внедрения вне исследовательских условий.

Пока что одним из самых медленных этапов остается сбор образцов. Техникам по-прежнему нужно вырезать из листьев диски размером с десятицентовую монету и приносить их к машине для анализа. Корнелл сообщил, что это самая трудоемкая часть процесса и что студенты-робототехники работают над ее автоматизацией.

Университет сообщил, что работает с Moblanc Robotics над производством HyperBird. Корнелл также заявил, что платформу можно адаптировать для других культур и болезней, и что исследователи уже начали обсуждение с компанией из сыродельной отрасли, что указывает на возможное применение этого подхода к визуализации за пределами виноградарства.

Проект является частью VitisGen3 — программы селекции винограда, финансируемой Национальным институтом продовольствия и сельского хозяйства Министерства сельского хозяйства США. Корнелл сообщил, что дополнительное финансирование поступило из федеральных средств на развитие потенциала, выделенных университету, Исследовательского фонда Совета женщин Cornell при президенте, New York Wine and Grape Foundation и USDA Grape Genetics Research Unit.