פותחה פלטפורמה רובוטית אוטונומית בעלת יכולת נשיאת חיישנים, תנועה וניווט עצמאית בחממה וכן טכנולוגיית מיפוי סביבה בזמן אמת באמצעות חיישני הרובוט בזמן שהוא נע בחממה ויוצר מודל תלת ממדי של הסביבה.
תנאי הגידול בחממות נשלטים ומבוקרים כדי למקסם את קצב הגידול והיבול של הגידולים החקלאיים. תנאים אלו עלולים לחשוף צמחים לסיכונים ביוטיים ואביוטיים; לחצים ביוטיים ואביוטיים שונים משפיעים על התשואה הפוטנציאלית.
מחקרים הראו כי 40% מייצור המזון הולך לאיבוד בגלל מחלות, מזיקים ועשבים ברחבי העולם. בשלבי הגידול והקטיף, יש לבצע בדיקות תקופתיות לאיתור מחלות ועקות אחרות.
יש לגלות את הגורמים המגבילים את היבול מוקדם ככל האפשר כדי להפעיל אמצעי נגד מתאימים. אחד האתגרים הגדולים בגידולי חממה הוא חוסר היכולת לזהות עקות וסיכונים מוקדם מספיק כדי למנוע התפשטות בלתי מבוקרת של מחלות הגורמת לנזק בלתי הפיך.
לעיתים קרובות אנו יודעים כיצד להתמודד עם המחלה, אך הגילוי מאוחר מכדי לפעול או שהנזק שכבר נגרם הינו רב. בהיעדר פיקוח יעיל, החלטת החקלאים עלולה להיות שגויה ולגרום ליישום יתר של חומרי הדברה, חומרים מזינים ומים.
כיום, עקות ביוטיות ואביוטיות מטופלות בבזבזנות יחסית: לעתים קרובות על ידי יישום חוזר של חומרי הדברה, הוספת חומרים מזינים (למשל, חנקן) והשקיית יתר, גם כאשר סף הסימפטומים רחוק מלהצדיק זאת. מעקב אחר עקות במהלך הגידול והקטיף בגידולי חממה רלוונטי ביותר להשגת פוטנציאל הייצור, שמירה על מצב צמח תקין ומניעת הפסדים.
נכון להיום, הניטור בחממות הוא ידני. הפקח מסייר ברגל בתוך חלקה בחממה, בוחר מיקומים לבדיקה, בדרך כלל דגימה של כמה צמחים או מיקומים בכל חלקה.
מיקומי הדגימה נקבעים באופן שרירותי, בדרך כלל בתבנית קבועה. פקח מחלות מיומן יכול לפקח על כ- 800 דונם חממות בכל מחזור גידול. בשל משאבי אנוש מוגבלים, מגבלות בזמנים ועלותם הגבוהה של שיטות אלו, ההליך עלול להוביל לשימוש לא מדויק בחומרים מזינים וגילוי מאוחר של מחלות. ככל שגודל החווה גדל והזמינות בעבודה פוחתת, יש צורך בשיטות חקלאיות יעילות יותר.
בחקלאות מדייקת, חישה מרחוק – המשמשת באופן נרחב לבדיקה ולמיפוי שונוּת בשדות פתוחים – אינה מתאימה לגידולים בחממות ובתי רשת עקב הסתרה על ידי גג החממה והדרישה לניטור הצמחים בתדירות ובמיקום משתנים.
נתונים מסוימים יש לאסוף בקרבת הצמח או באופן המצריך מגע עם הצמחים. לפיכך, קיים צורך לפתח מערכת ניטור קרקעית באמצעות חישה מקרוב ומגע.
ניסויים הראו כי בניגוד לגישות זיהוי ידניות, מערכת ניטור הכוללת רובוטיקה וחיישנים חכמים יכולה לספק זיהוי מוקדם ויעיל של מחלות.
עם זאת, שלושה חסרונות מנעו עד כה את היכולת לבנות ולהטמיע מערכות כאלה: 1) אין מערכות אוטונומיות יעילות או אינטראקציה אנושית-רובוטית לביצוע בדיקות; 2) אין מערכת חיישנים נאותה ומדויקת המשלבת מספר חיישנים ואלגוריתמים להיתוך חיישנים המתאימים לביצוע בסביבות חקלאיות; ו- 3) אין מערכת קבלת החלטות מבוססת ידע לשניים הנ"ל.
בדרך כלל, פיקוח על תזונת הגידול ומצב המים הוא חיוני בכדי לשלוט על התפתחות הצמח ולהשיג תפוקה מיטבית. עם זאת, מכיוון שכעת כדי להעריך את רמת החומרים המזינים באדמה יש דגימה ועיכובים בקבלת תוצאות המעבדה, רוב החקלאים אינם עוקבים אחריהם.
הם עורכים מעקב חזותי להערכת מצב הצמח. ניטור לא מספיק גורם להפריה במנת יתר הפוגעת בהכנסות החקלאים ובעלת השפעה שלילית על הסביבה. העלייה המתמדת בעלויות הדשנים והירידה ברווחיות התוצרת מצדיקה משמעותית את הצורך במעקב אחר רמות המזון והמתח.
באופן דומה, התפרצות של מחלות בגידולים מסחריים שגדלו במבנים בדרך כלל מופיעה מכמה צמחים נגועים. הזיהום העיקרי עלול להתרחש עקב פלישה של מזיקים למבנה (למשל כנימות, זבובים) או עבור וקטור שאינו חרקים, כלומר אדמה מזוהמת או זרעים. צמחים נגועים משמשים כמקור להתפשטות המשנית בתוך החממה, לכן, ניטור מוקדם של המקורות העיקריים הוא אחד הגורמים המרכזיים בטיפול במחלות.
כותב המאמר ועמיתיו, פרופ' שמעון נוף מאוניברסיטת Purdue ופרופ' יאנג טאו (Yang -Tao) מאוניברסיטת מרילנד, פיתחו מערכת רובוטית משולבת אדם לזיהוי מוקדם של מחלות ואנומליות בגידולי ירקות חממה במסגרת מחקרם במימון קמ"ח (BARD).
המחקר משלב פיתוח של טכנולוגיות רובוטיות מתקדמות למשימות חקלאיות ואופטימיזציה של זרוע רובוטית לביצוע משימה זו. במסגרת המחקר פותחו גם אלגוריתמים מבוססי בינה מלאכותית לזיהוי מוקדם ולסיווג מחלות.
כמו כן, פותחו מודלים לבקרת משימה מרובת מוקדים ומשולבת אדם, המאפשרת מיפוי דינמי ברזולוציה גבוהה של שטח הגידול. מחקר זה יאפשר זיהוי מוקדם של מוקדי המחלה ויצירת מפת מחלות מדויקת של החלקה. טיפול מוקדם יקטין את הפגיעה ביבול ויפחית את השימוש בחומרים כימיים לטיפול במחלות.
במסגרת המחקר פותחה פלטפורמה רובוטית אוטונומית בעלת יכולת נשיאת חיישנים, תנועה וניווט עצמאית בחממה וכן טכנולוגיית מיפוי סביבה בזמן אמת באמצעות חיישני הרובוט בזמן שהוא נע בחממה ויוצר מודל תלת ממדי של הסביבה.
בפרויקט פותחה שיטה חדשה לניתוח היפר-ספקטרלי בשם OR-AC-GAN. המודל עושה שימוש במידע ספקטרלי מלא בתחום שבין 400-1000 ננומטר לשילוב המשימה של הסרת רקע, ניתוח ספקטרום ברמת פיקסל וסיווג צמחים ומחלות ברמת התמונה. המידע הספקטראלי המלא עובר צמצום למספר אורכי גל בודדים (ערוצים) המאפשרים את הוזלת מערכת החישה. OR-AC-GAN מורכב מרשת עצבית קונבולוצייתית (CNN) לסיווג אותות ספקטרליים לקטגוריות שונות בתמונה. בניסוי שנערך על צמחי פלפל שאולחו במחלת TSWV נמצא שכבר אחרי חמישה ימים מהאילוח ניתן לזהות את המחלה בדיוק של 96.25%.
בכדי לבצע את משימת הניטור בצורה מיטבית יש לפתח את הזרוע הרובוטית המתאימה ביותר למשימה. לשם כך פותחה מתודולוגיית אופטימיזציה המבוססת על אופטימיזציה מרובת אובייקטים ואלגוריתמים אבולוציוניים כדי להגדיר את קינמטיקת הרובוט הטובה ביותר לחישה מקרוב של מחלות בגידולי ירקות חממה. תהליך האופטימיזציה חשף 16 תצורות מיטביות מתוך 1,695,044. ניתוח השוואה נוסף נערך כדי לקבוע את התצורה הקינמטית המתאימה ביותר לזרוע הרובוטית.
כמו כן תוכנן מודל HUB-Collaborative Intelligence עבור מערכות רובוטיות חקלאיות (HUB-CI / ARS). מודל HUB-CI / ARS מייעד את הגורמים החיוניים (סוכנים פיזיים באתר, סוכני סייבר וסוכנים אנושיים) לזיהוי ובקרה של מחלות בצמחים. פרוטוקול איתור האנומליות של משתמש בטכניקות למידת מכונה ושיתוף פעולה מרחוק (teleoperation) כדי לאפשר ולהגביר את פעילויות גילוי המחלה והניטור של הצמח. התוצאות מצביעות על כך שטכניקת HUB-CI / ARS מספק ביצועים כוללים טובים ביעילות זרימת העבודה ובאיתור מחלות בצמח.
יתר על כן, ניסוי שדה (בחממה) שבוצע בין ישראל וארה"ב מראה כי מודל ה- HUB-CI / ARS מתפקד על פני מרחקים גיאוגרפיים עצומים (בין ארה"ב לישראל) ומאפשר שליטה משותפת (collaborative control) של מערכת הנמצאת באיזור גיאוגרפי אחד (חממה בישראל) כאשר מרכז הבקרה נמצא באתר מרוחק (אוניברסיטת Purdue בארה"ב). המחקר שבוצע פותח את האפשרויות לפיתוח מערכות ניטור רובוטיות משולבות אדם ואוטונומיות מקומית שיאפשרו גילוי מוקדם של מחלות בחלקות חקלאיות ותאפשר יישומים מדויקים של חומרי הדברה וטיפול מיידי ונקודתי לשמירת היבול ושיפור איכותו.
*פרופסור אביטל בכר, מנהל המכון להנדסה חקלאית וראש המעבדה לרובוטיקה חקלאית, מינהל המחקר החקלאי, מרכז וולקני
זיהוי של מחלות בירקות | צילום: מכון וולקני
