Onderzoekers van Wageningen University & Research (WUR) werken mee aan de ontwikkeling van een AI-identificatiesysteem voor aaltjes. Een eerste mijlpaal is bereikt: het is gelukt om het AI-systeem via een microscoop zelfstandig het wortelknobbelaaltje Meloidogyne chitwoodi te laten herkennen. In testen evenaarde het systeem de prestaties van een ervaren taxonomisch nematoloog.
© WUR
Schade door wortelknobbelaaltjes
Aaltjes komen vrijwel overal in de bodem voor, ook op landbouwgrond. Sommige soorten hebben een positief effect op de bodem, maar schadelijke soorten kunnen grote economische gevolgen hebben. "Wanneer er schadelijke aaltjes in de bodem zitten, zoals stengelaaltjes of wortelknobbelaaltjes, kan dat betekenen dat je bijvoorbeeld bollen, uien en pootgoed niet meer mag exporteren. Daarnaast kunnen bij gewassen misvormingen optreden, waardoor ze moeilijk of niet verkoopbaar zijn", zegt onderzoeker Leendert Molendijk. Onderzoekers schatten dat 10% van de landbouwproductie wordt getroffen.
Specialistisch werk
Voor duurzame beheersing van schadelijke aaltjes is soortidentificatie cruciaal. "Je wilt geen onschadelijke en nuttige aaltjes bestrijden. Bovendien verschilt de effectiviteit van maatregelen per soort", aldus Leendert. Maatregelen variëren van gewasrotatie en aangepaste teeltmomenten tot inundatie.
© WUR
Meloidogyne chitwoodi
Identificatie is volgens onderzoeker Pella Brinkman specialistisch werk. "De verschillen tussen soorten zijn vaak minimaal. Het gaat echt om details: de vorm van de stekelknoppen, de lengte van een doorschijnend deel van de staartpunt of het aantal kopringen." Identificatie gebeurt meestal handmatig in gespecialiseerde laboratoria met microscopen, soms aangevuld met moleculaire analyse. Wereldwijd zijn er slechts enkele tientallen labs met de juiste expertise.
Complexe soort als testcase
Een van de meest uitdagende soorten om te identificeren is Meloidogyne chitwoodi. "Het vraagt veel kennis en determinatiewerk om met zekerheid te kunnen zeggen of het om deze aaltjessoort gaat. Zeker met Meloidogyne fallax – ook wel bedrieglijk maiswortelknobbelaaltje genoemd – zijn er grote gelijkenissen", zegt Leendert. Daarom werd deze soort gekozen als eerste testcase voor het AI-systeem van agritechbedrijf Veridi Technologies.
WUR leverde onder meer gekweekte aaltjes, verzorgde de annotatie van grote aantallen beelden en voerde validatie uit met veldmonsters. Ook werden fouten geanalyseerd en adviezen gegeven over morfologische kenmerken waarop de AI zich moest richten.
Nauwkeurigheid van 96 procent
Uit testen met de AI-aangestuurde microscoop (NemascopeTM) kwam voor identificatie van Meloidogyne chitwoodi een nauwkeurigheid van 96 procent naar voren. Daarmee laat het onderzoek zien dat AI een bruikbaar hulpmiddel kan worden voor nematodenidentificatie.
Leendert: "Al sinds de jaren 90 werken we aan technische mogelijkheden voor een efficiëntere identificatie. Dat dit nu lukt met AI is een belangrijke mijlpaal. Als we dit ook kunnen toepassen voor andere aaltjessoorten, kan dat wereldwijd veel impact hebben."
Binnen een subsidie van de European Innovation Council bouwen Veridi Technologies en WUR verder aan uitbreiding van het systeem, onder meer richting niet-parasitaire vrijlevende aaltjes. Dat sluit aan bij het groeiende belang van bodembiodiversiteit, onder meer in het kader van de recent aangenomen Europese Wet inzake bodemmonitoring.
Bron: WUR
