Σύστημα που «μαθαίνει» να αναγνωρίζει τα συμπτώματα του βερτισιλλίου και να τα εντοπίζει με ακρίβεια σε πραγματικό χρόνο, μειώνοντας την αβεβαιότητα και επιτρέποντας στοχευμένες παρεμβάσεις έχει αναπτύξει το τελευταίο διάστημα μέσα στο πρόγραμμα ΟPΤΙΜΑ η Αμερικανική Σχολή Θεσσαλονίκης, συμβάλλοντας μ’ αυτόν τον τρόπο- όπως αναφέρει σε newsletter της- «όχι μόνο στη βιωσιμότητα της ελαιοκαλλιέργειας, αλλά και στη μετάβαση σε ένα μοντέλο έξυπνης, ψηφιακής γεωργίας, που σέβεται το περιβάλλον».
Το OPTIMA (Olive Protection via Thermal Imaging) είναι ένα καινοτόμο ερευνητικό έργο που στοχεύει στην έγκαιρη ανίχνευση του βερτισιλλίου, της καταστροφικής ασθένειας που προκαλεί ξήρανση και απώλεια δέντρων, απειλώντας την παραγωγή και το εισόδημα χιλιάδων ελαιοκαλλιεργητών. Η βερτισιλλίωση θεωρείται πολύ σοβαρή ασθένεια για την ελιά, καθώς αποτελεί τη σοβαρότερη μυκητολογική ασθένεια του εδάφους για το δέντρο. Προκαλεί σημαντικές ζημιές στους ελαιώνες, προσβάλλει δέντρα κάθε ηλικίας και μπορεί να οδηγήσει σε ξήρανση του δέντρου. Οι ειδικοί στην ελαιοκομία έχουν διαπιστώσει ότι ο μύκητας Verticillium dahliae δεν έχει θεραπεία. Μπορεί να οδηγήσει στην πλήρη ξήρανση και θάνατο του ελαιόδεντρου, προκαλώντας σημαντικές οικονομικές ζημιές στους ελαιώνες, ειδικά στις περιοχές όπου έχει εγκατασταθεί. Επηρεάζει ιδιαίτερα ευαίσθητες ποικιλίες ελιάς, όπως οι ποικιλίες «Μαστοειδής», «Καλαμών», «Άμφισσας», «Θρουμπουλιάς» και «Χαλκιδικής».
Το έργο ΟPTIMA στηρίζεται στη χρήση προηγμένων drones εξοπλισμένων με τρεις κάμερες: ορατού φάσματος, πολυφασματική και θερμική. Η κάμερα ορατού φάσματος αποτυπώνει την εικόνα του ελαιώνα όπως τη βλέπει το ανθρώπινο μάτι, δίνοντας μια πρώτη καταγραφή των δέντρων που έχουν ήδη καταστραφεί. Η πολυφασματική κάμερα, μέσω της ανάλυσης του υπέρυθρου φάσματος, αποκαλύπτει την ποιότητα της βλάστησης και τις πρώιμες διαφορές ανάμεσα σε υγιή και προσβεβλημένα δέντρα. Τέλος, η θερμική κάμερα εντοπίζει μεταβολές στη θερμοκρασία των φυτικών ιστών, ενδείξεις που αποτελούν σαφές σήμα κινδύνου για υποβόσκουσα προσβολή που μπορεί να μην είναι σε αυτή τη φάση ορατή στον γυμνό οφθαλμό, εντούτοις είναι παρούσα και εξελίσσεται. Οι εικόνες από τις τρεις κάμερες ενώνονται σε ορθομωσαϊκά, δηλαδή μεγάλες, ενιαίες απεικονίσεις του ελαιώνα. Στη συνέχεια, τα δεδομένα επεξεργάζονται από εκπαιδευμένο μοντέλο μηχανικής μάθησης που στηρίζεται στον αλγόριθμο YOLO.
Για τον παραγωγό, το αποτέλεσμα είναι μια φιλική εφαρμογή, όπου συγκεντρώνεται όλη η πληροφορία: ο χάρτης του ελαιώνα, τα δέντρα που εμφανίζουν προσβολές και τα σημεία που χρειάζονται άμεση φροντίδα. Έτσι, ο αγρότης δεν περιμένει να δει το δέντρο να ξεραίνεται, αλλά μπορεί να δράσει προληπτικά, εξοικονομώντας χρόνο, χρήμα και πόρους προστατεύοντας τα υπόλοιπα ελαιόδεντρα και αποφεύγοντας, έτσι, μελλοντική απώλεια εισοδήματος. Επιπλέον, η εφαρμογή έχει τη δυνατότητα να εμπλουτιστεί και να χρησιμοποιείται στην ανίχνευση και άλλων ασθενειών τόσο στην ελιά όσο και σε άλλα καλλιεργούμενα είδη. Η χρηματοδότηση του έργου έγινε από το ΠΕΠ Περιφέρειας Κεντρικής Μακεδονίας.
φωτό: Αμερικανική Γεωργική Σχολή
Πηγή: ΑΠΕ-ΜΠΕ
