בינה מלאכותית תופסת מקום יותר ויותר גם בחקלאות המודרנית, אחת מהבעיות העיקריות של החקלאי, איך ומתי לרסס נגד מזיקים מבלי לפגוע באוייבים הטבעיים, ומבלי להיכנס להוצאות גבוהות. הבינה המלאכותית אמורה להביא לאיתור הסף האופטימלי לריסוס וע"י כך להפחתה בשימוש בתכשירי הדברה
פגעים בחקלאות – עשבים, פטריות, וחרקים – הם אתגר תמידי למגדלים ולמדריכים חקלאיים. הטיפול במזיקים בחקלאות הקונבנציונלית מסתמך בעיקר על חומרי הדברה, אבל לאורך השנים יותר ויותר קוטלי מזיקים רבים נאסרים לשימוש בארץ ובחו"ל. אחרים מאבדים מיעילותם לאחר שהמזיקים הפכו לעמידים אליהם. בגלל האילוצים האלה, ומתוך רצון לשמור על בריאות האדם והסביבה, התפתחה גישת ההדברה המשולבת ששואפת להפחית את השימוש בקוטלי מזיקים. במאמר הזה אנחנו מתמקדים בספי פעולה, רכיב חשוב בהדברה משולבת של חרקים. נציג את הרעיון, ננסה להבין מדוע הוא עדיין מיושם רק במידה מצומצמת, ונספר על מחקר שמטרתו פתיחת צווארי הבקבוק והפיכת השימוש בספי פעולה לפתרון מעשי, כלכלי וסביבתי.
הגישה השכיחה ביותר כיום להדברת מזיקים היא "ללכת על בטוח". אם ראינו בשטח את המזיק (ולפעמים אפילו לפני – כשהגיעה התקופה בשנה שבה הוא בדרך כלל מופיע) נרסס, שהרי איננו יכולים לסכן את היבול. המטרה של הדברה משולבת היא לרסס מתי וכמה שצריך. לא פחות מדי – ולאבד את היבול, ולא יותר מדי – ולהיכנס להוצאות מיותרות, לנזקים בריאותיים וסביבתיים, ולקושי בשיווק.
הקווים האדומים – ספי פעולה: בהדברה משולבת, כפי שהיא מיושמת כיום, הכלי המרכזי לקבלת ההחלטות הם ספי פעולה. חומרי הדברה מיושמים רק כשצפיפות המזיק בחלקה עולה על סף פעולה 'סטטי' שנקבע מראש, תוך התחשבות בערך היבול ובמחיר חומרי ההדברה. כלומר, סף הפעולה הוא 'קו אדום', שקורא לפעולה כשרמות המזיקים עולות מעליו. כשצפיפות המזיקים בשטח היא מתחת מסף הפעולה, הנזק הכספי שהם צפויים לגרום נמוך יותר מהמחיר של ריסוסי מזיקים, ולכן אין הצדקה כספית לפעולות הדברה. לעומת זאת, כשצפיפות המזיק גבוהה מהסף,
מטרתנו היא להשתמש בידע ביולוגי ובשיטות חישוביות כדי להקל על זיהוי המזיק ולשפר את היכולת להעריך את קצב הריבוי שלו.
הטיפול בהם משתלם כלכלית ומומלץ לרסס נגדם. בהתאם לכך, ערך הסף מושפע מחומרת הפגיעה שגורם המזיק, ממחיר השוק של הגידול החקלאי, מעלות חומרי ההדברה ומיעילותם. ערכם של ספי הפעולה משתנה בין מזיקים ובין גידולים. הבעיה העיקרית בישום הרעיון הזה היא הקושי לזהות את המזיק בשטח ולנחש את קצב ההתרבות שלו. החקלאים חוששים, שעד שיזהו שסף הפעולה נחצה – הנזק כבר יהיה בלתי הפיך. מטרתנו היא להשתמש בידע ביולוגי ובשיטות חישוביות כדי להקל על זיהוי המזיק ולשפר את היכולת להעריך את קצב הריבוי שלו.
אויבים טבעיים של מזיקי החקלאות הם בעלי חיים (רבים מהם חרקים) שטורפים את המזיקים או מטפילים אותם. בטבע ובחקלאות יש לאויבים טבעיים תפקיד מרכזי בהגנת הצומח. הם מדכאים את אוכלוסיות המזיקים וכתוצאה מכך מפחיתים את הצורך בשימוש בחומרי הדברה. מצד שני, ריסוסים נגד מזיקים משפיעים לרעה על האויבים הטבעיים באופן ישיר (דרך פגיעה בהישרדות או בפוריות שלהם) ועקיף (דרך פגיעה בטרף שלהם). לכן מתבקש להתאים את ספי הפעולה לטיפול במזיקים לפי צפיפותם של האויבים הטבעיים בשדה: להעלות את סף הפעולה (כלומר להשתמש בפחות ריסוסים) כשהאויבים הטבעיים נפוצים בשטח, ולהוריד את הסף (להגדיל את מספר הריסוסים) כשצפיפות האויבים הטבעיים נמוכה. התאמה כזו של ה'קו האדום' מכונה 'סף פעולה דינמי'. במודל תאורטי שפיתחנו, מצאנו שיישום של ספים דינמיים מאפשר למגדלים להפחית את השימוש בחומרי הדברה ולשמר את הרווחיות של הגידול החקלאי. הפחתת הריסוסים בעקבות השימוש בספים דינמיים משמעותית במיוחד במקרים שבהם האויבים הטבעיים בעלי ניידות גבוהה, וכשיעילות חומרי ההדברה נמוכה יחסית.
במודל תאורטי שפיתחנו, מצאנו שיישום של ספים דינמיים מאפשר למגדלים להפחית את השימוש בחומרי הדברה
אז איפה הבעיה? למרות היתרונות הצפויים מהשימוש בספי פעולה דינמיים להפחתת ריסוסים, הם לא מיושמים כיום בקנה מידה מסחרי נרחב. ספים דינמיים פותחו בארץ להדברת תריפס קליפורני בתות שדה. בחו"ל פותחו ספים דינמיים להדברה של עשים בעגבניות ולהדברה של כנימות בכותנה, בסויה ובחיטה. עם זאת, רוב תכניות ההדברה בארץ ובעולם משתמשות בספי פעולה סטטיים או שכלל לא מיישמות ספי פעולה. הגורם שמגביל יישום נרחב של ספים דינמיים הוא הצורך לנטר גם את אוכלוסיות המזיקים וגם את אוכלוסיות האויבים הטבעיים – מה שדורש זמינות, מומחיות והשקעת זמן של המגדלים ושל פקחי המזיקים. כדי להתגבר על המחסום הזה דרושים כלים פשוטים לשימוש, זולים ואמינים שיסייעו בניטור המזיקים והאויבים הטבעיים, ויאפשרו למגדלים לקבל החלטות הדברה מושכלות.
בינה מלאכותית לשיפור הניטור: בשנים האחרונות פותחו ברחבי העולם מערכות רבות לניטור חרקים, הנעזרות בכלים של בינה מלאכותית. המערכות כוללות מתקן או מלכודת ללכידת חרקים, צילום או סריקה של תכולת המלכודת, ותוכנה לזיהוי חרקים ספציפיים מתוך התמונות. התוכנה עוברת על דוגמאות רבות של חרקים מזוהים כדי 'ללמוד' לזהות אותם, והיא משתפרת בזיהוי ככל שעומדות לרשותה דוגמאות רבות יותר. רוב המערכות הקיימות מכוונות למעקב אחרי מזיקים כגון עשים, זבובים וכנימות. הן מזהות וסופרות את המזיקים באופן אוטומטי, ומאפשרות כבר עכשיו ליישם ספי פעולה סטטיים להדברת המזיקים. אפשר לאמן את אותן תוכנות ממש לזהות גם אויבים טבעיים התוקפים את המזיקים ולנטר גם אותם בלי תוספת מאמץ, כדי ליישם ספי פעולה דינמיים.
בשנים האחרונות פותחו ברחבי העולם מערכות רבות לניטור חרקים, הנעזרות בכלים של בינה מלאכותית
מקרה מבחן – ספי פעולה להדברת פסילת ההדר האסיאתית בהודו: מחקר שאנחנו מבצעים בימים אלה, בשיתוף פעולה עם פרופ' ססקיה ון-נויהוס מהודו, מדגים את הפוטנציאל של ניטור חרקים ממוחשב לפיתוח פרוטוקולים להדברה. פסילת ההדר האסיאתית (איור 1) היא חרק שחי על עצי הדר ועל צמחים נוספים ממשפחת הפיגמיים וניזון ממוהל הצמח. הפסילה נחשבת למזיק מסוכן, למרות שאינה גורמת לנזק ישיר חמור לצמחים, מפני שהיא מפיצה את מחלת הגרינינג הקטלנית להדרים. כיום לא קיים טיפול יעיל למחלה ולכן מושקעים מאמצים רבים בהדברה של הפסילה. בהודו ההדברה מבוססת על טיפולים בקוטלי חרקים, אבל אלה אינם זמינים לחקלאים עניים ולכן פרדסים רבים כלל אינם מטופלים נגד הפסילה.
מוצאה של הפסילה הוא בדרום מזרח אסיה אבל כיום היא נפוצה גם באמריקה (שם פגעה קשות בפרדסים בפלורידה ובקליפורניה), ובשנים האחרונות נמצאה גם בישראל. האויב הטבעי העיקרי של הפסילה באזור מוצאה היא צרעה טפילית בשם טמריקסיה רדיאטה. צרעה זו יובאה בהצלחה לארצות הברית והצליחה לרסן את אוכלוסיות המזיק באזורים מסוימים. לאחרונה מנסים לייבא ולאקלם את הצרעה גם בישראל.
כדי לפתח ספי פעולה דינמיים להדברה של פסילת ההדר האסיאתית דרוש מידע רציף על גודל האוכלוסייה שלה ושל צרעת הטמריקסיה. אנחנו עוסקים במשימה זו בעזרת STARdbi , תוכנה נתמכת בינה מלאכותית שאנחנו מפתחים לאחסון, קטלוג וזיהוי של תמונות חרקים. הפרויקט כולל את השלבים המוצגים באיור 2.
מערכת STARdbi שונה מתוכנות אחרות לניטור חרקים בכמה תכונות חשובות. ראשית, אנחנו משתמשים במלכודות דבק זולות וזמינות ללכידת החרקים, בעוד שחלק מהמערכות האחרות הקיימות דורשות הצבה ותחזוקה של מצלמות ומתקני לכידה ייעודיים בשדות. כתוצאה מכך, מערכת STARdbi מאפשרת ניטור של חלקות רבות, ושל אזורים רבים בכל חלקה, בעלות נמוכה. שנית, ניתן להתאים את התוכנה לזיהוי של חרקים מעופפים מסוגים שונים, ולהשתמש בה גם לצרכים לא-חקלאיים כמו מעקב אחרי חרקים מפיצי מחלות או השוואת מגוון החרקים בין אתרים טבעיים. ולבסוף, מאגר התמונות אינו מסחרי והוא זמין לכל להפקת מידע למטרות מגוונות. כך, למשל, מתוך תמונות של מלכודות, שהוצבו במטרה לעקוב אחרי מזיק מסוים, אפשר לקבל הערכה של שפע החרקים הכללי בחלקה ושל גדלי הגוף שלהם.
לסיכום: אנחנו מקווים שמערכות ניטור נתמכות-AI יסללו את הדרך ליישום ספי פעולה דינמיים להדברת מזיקים בקנה מידה רחב. נשמח לשתף פעולה עם מגדלים, מדריכים, וחוקרים חקלאיים בניטור חרקים מזיקים ומועילים בעזרת STARdbi, לקידום חקלאות מקיימת ובריאה יותר.
תודות: המחקר נתמך על ידי קרן למחקרים משותפים ישראל-הודו של משרד המדע.
