Современные технологии позволяют достойно справляться с угрозами культурным растениям, включая различные болезни. Но даже сегодня заражение нередко обнаруживается уже тогда, когда симптомы становятся заметны внешне, а сами растения окончательно оказываются в цепкой хватке недуга. Решение очевидно: нужно попытаться выявить болезнь до проявления видимых симптомов. Этим и занимаются исследователи по всему миру, активно развивая методы дистанционного зондирования — прежде всего мультиспектральную и гиперспектральную съёмку.

От классической фитопатологии к оптическим методам

В мониторинге болезней растений в настоящее время наиболее широко распространена классическая фитопатологическая методика, когда выявление инфекции осуществляется визуальным путем по характерным симптомам заболевания. Существует множество диагностических методов, позволяющих точно определить вид патогена: выделение возбудителя, его культивирование и последующая идентификация с помощью микроскопических, биохимических, молекулярных или иммунологических анализов. Однако все эти технологии нацелены на определение заболевания по внешним проявлениям. При уровне развития болезни ниже 1% вероятность обнаружения симптомов очень низка, поэтому есть риск выявления патогена в момент, когда он уже прочно закреплён среди растений-хозяев.

Именно поэтому главная задача современности — разработать методики, позволяющие выявлять болезнь ещё до появления симптомов, на самых ранних стадиях развития патогенов. И здесь на первый план выходят оптические методы диагностики: мульти- и гиперспектральные датчики, а также термография.

Мультиспектральная съёмка: первый шаг к ранней диагностике

Мультиспектральные камеры фиксируют отражение света в нескольких (обычно от 5 до 15) широких спектральных диапазонах. Эти сенсоры улавливают изменения в структуре листьев растений, показывая наличие в них патогенных организмов. Технология активно применяется как с наземных, так и с беспилотных платформ.

В Сибирском федеральном научном центре агробиотехнологий РАН уже второй год проводятся передовые исследования по обнаружению заболеваний земляники с помощью мультиспектральных камер, установленных на беспилотных летательных аппаратах. Учёные получают детальные снимки полей, а затем обрабатывают их с помощью компьютерных программ; в ближайших планах — внедрение нейронных сетей для автоматического распознавания болезней.

Ещё одна перспективная разработка — индекс чувствительности к болезням (Disease Sensitive Index, DSI), специально созданный для улавливания тонких физиологических изменений на ранних стадиях инфекции. Исследования показали, что DSI может обнаруживать начало заболевания уже на 10-й день после заражения (DAI 10). Особую чувствительность демонстрируют красное смещение (717 ± 5 нм) и зелёный диапазон (560 ± 10 нм), которые более чувствительны к изменениям пигментов листьев, чем к структуре полога.

Гиперспектральная съёмка: новый уровень возможностей

Если мультиспектральная съёмка — это несколько десятков каналов, то гиперспектральная — это сотни узких спектральных диапазонов. Такая детализация позволяет выявлять тончайшие физиологические изменения в растениях ещё до визуального проявления болезни.

Учёные Всероссийского научно-исследовательского института защиты растений (ФГБНУ ВИЗР) разрабатывают технику гиперспектрального зондирования как перспективный инструмент мониторинга неблагоприятных факторов, негативно влияющих на растения: перепады температуры, засуха, дефицит элементов минерального питания. Гиперспектральная камера позволяет проводить съёмку, где можно увидеть тончайшие изменения в любых объектах, предоставляя предварительные индикаторы посредством тонких изменений спектральной способности поглощения или отражения.

Создание автоматических систем на основе такой технологии поможет решить проблему сбора данных о состоянии растений на больших площадях и исключить негативное влияние человеческого фактора в задаче мониторинга.

Реальные результаты на полях

Исследователи из Санкт-Петербургского политехнического университета совместно с коллегами из ВИЗР разработали методику выявления болезней на ранней, бессимптомной стадии на основе обработки данных гиперспектральной съёмки с применением искусственного интеллекта. Результаты были продемонстрированы на примере обнаружения стеблевой ржавчины пшеницы — заболевания, способного приводить к серьёзным потерям урожая. Проблема в том, что эффективность защитных мер в значительной степени определяется возможностью выявления инфекции до появления визуально различимых симптомов, которые проявляются лишь через 6–10 дней после заражения.

В ходе экспериментов на растениях пшеницы был собран массив данных из 864 гиперспектральных изображений — как здоровых, так и заражённых растений. Ключевым фактором эффективности методики оказалась не сложность моделей, а корректная предобработка данных, позволяющая алгоритмам машинного обучения надёжно различать здоровые и поражённые растения при различных помехах: неравномерном освещении, перекрывающихся структурах растительного покрова, влажности среды, фоновом шуме.

Международные исследования подтверждают эти результаты. Так, при мониторинге рисового пирофкуляриоза новый метод на основе спектрального анализа позволил выявлять патогенные сигналы уже на второй день после инокуляции (DAI 2), тогда как визуальные поражения становились заметны лишь на пятый день. Точность идентификации на доклинической стадии достигла 93%.

При диагностике фитоплазменного пожелтения винограда (Flavescence Dorée) гиперспектральный подход продемонстрировал способность обнаруживать инфекцию ещё до появления листовых симптомов с точностью более 70%. А при раннем выявлении альтернариоза картофеля с помощью авиационной гиперспектральной съёмки точность классификации на основе случайного леса составила 87,8 ± 1,9%. Ключевыми спектральными диапазонами оказались ближний инфракрасный (около 990 нм), коротковолновый инфракрасный (около 2300 нм) и красное смещение (∼720 нм) — области, связанные с физиологическими и биохимическими изменениями, вызванными болезнью.

От распознавания симптомов к прогнозированию

Важно отметить, что оптические методы не просто фиксируют уже произошедшие изменения — они позволяют заглянуть в будущее. Изменения содержания хлорофилла помогают отличить здоровое растение от больного до того, как болезнь проявится. Хлорофилл выступает ранним индикатором фитосанитарного состояния растения, так как он первым реагирует на стресс.

Одно из перспективных направлений — разработка методов диагностики воздействия вредных биообъектов на растения на основе данных дистанционного зондирования Земли. Исследования проводятся с целью создания прецизионных методов диагностики болезней и вредителей посевов наиболее распространённых сельскохозяйственных культур на основе анализа данных наземных и дистанционных гиперспектральных измерений агроэкосистем.

Искусственный интеллект в помощь

Главное ограничение мульти- и гиперспектральных методов — для интерпретации собранных данных нужны высококвалифицированные специалисты. Однако исследователи активно работают над решением этой проблемы, привлекая к анализу искусственный интеллект.

В ФГБНУ ФНЦБЗР в партнёрстве с компаниями реального сектора экономики реализуются комплексные научно-исследовательские и опытно-конструкторские работы, в которых вредные объекты распознаёт специально обученная нейросеть. Это открывает возможность автоматического дистанционного мониторинга.

Технология искусственного интеллекта активно применяется и в других странах. Предлагаются системы на основе гиперспектральной съёмки и граничных вычислений для классификации состояния растений в реальном времени с использованием свёрточных нейросетей и трансформеров. При диагностике вируса жёлтой крапчатой мозаики сои гиперспектральный метод в сочетании с методами машинного обучения позволил классифицировать заражённые и здоровые растения на ранней стадии с точностью более 90%.

Преимущества и перспективы

Раннее выявление болезней с помощью мульти- и гиперспектральной съёмки даёт ряд существенных преимуществ:

· Своевременность: обнаружение инфекции за 6–10 дней до появления видимых симптомов.

· Масштабируемость: возможность мониторинга больших площадей с помощью беспилотных аппаратов и спутников.

· Неинвазивность: методы не требуют контакта с растениями и не повреждают их.

· Экономическая эффективность: возможность сократить количество обработок фунгицидами, применяя их только при обнаружении патогена, а не по календарному графику.

· Экологическая безопасность: снижение пестицидной нагрузки на агроэкосистемы.

В планах исследователей — дальнейшее развитие методик для каждой культуры. Особый интерес представляют грибные болезни виноградников и плодовых культур: мучнистая роса, парша яблони, ложная мучнистая роса винограда — заболевания, способные нанести серьёзный экономический ущерб.

Как отметил руководитель центра биологической регламентации пестицидов ВИЗР, академик РАН Виктор Долженко: «Данное направление исследований является одним из наиболее перспективных... Наш коллектив приложит все усилия для создания отечественных систем мониторинга и диагностики болезней растений для обеспечения продовольственной безопасности страны».

Таким образом, мультиспектральная и гиперспектральная съёмка в сочетании с искусственным интеллектом открывают новые возможности в области фитосанитарного мониторинга. Эти технологии позволяют перейти от реактивной стратегии борьбы с уже проявившимися болезнями к превентивной защите урожая, выявляя угрозу на самых ранних — ещё бессимптомных — стадиях развития патогенов.