Zoektocht naar ziekteresistente suikerbietenrassen

Suikerbietenzaadbedrijven beschikken over duizenden veldproeven over de hele wereld waar zaden kunnen worden getest onder de plaatselijke klimaat- en productiesystemen. In samenwerking met ervaren lokale telers worden experimentele hybriden naast de beste goedgekeurde rassen getest om te bevestigen of deze nieuwe rassen beter presteren dan de controlerassen. Tijdens het groeiseizoen controleren velddeskundigen de verschillende percelen op opbrengst, tolerantie voor plagen, ziekten en doorschieten, samen met andere plantkenmerken. Dit is een arbeids- en tijdrovende klus. Daarom hebben we een innovatieve manier getest om deze monitoringtaak te verlichten door drones in te zetten. Op die manier konden we veldgegevens op een efficiëntere, nauwkeurigere en homogenere manier vastleggen. Er werd een speciale 'machine learning' gebaseerde beeldverwerkingsketen voor de detectie van suikerbietenziekten ontwikkeld. De toepassing van deze verwerkingsstappen resulteerde in gemakkelijk interpreteerbare kaarten die de besluitvorming van de suikerbietenexperts ondersteunen.

Monitoring van experimentele rassen over de hele wereld

Om de productiviteit te verhogen en voedselzekerheid te garanderen, moeten wij onze gewassen beschermen. Het gebruik van ziekteresistente gewasrassen is een belangrijk middel om dit doel te bereiken, omdat hierdoor grootschalige toepassing van insecticiden grotendeels kan worden vermeden. Hoewel deze strategie doeltreffend is, brengt zij ook bepaalde uitdagingen met zich mee, aangezien ziekteverwekkers zich voortdurend aanpassen aan veranderende gewasvariëteiten en er nieuwe ziekten worden geïntroduceerd. Zaadveredelaars zijn daarom voortdurend op zoek naar nieuwe, ziekteresistente cultivars om boeren te helpen op een duurzame manier productieve en gezonde gewassen te telen. 

Om deze zoektocht naar ziekteresistente gewasvariëteiten te ondersteunen, heeft BELSPO het BEETPHEN-project opgestart. Samen met SESVanderHave en CRA-w evalueren we het gebruik van hyperspectrale dronebeelden en innovatieve remote sensingtechnologie voor fenotypering van gewassen in veredelingsproeven voor suikerbieten.

Welkom in de wereld van zaadveredelaars

Zaadveredelingsbedrijven, waaronder SESVanderHave, een toonaangevende wereldspeler in de suikerbietenzaadsector, beschikken over duizenden veldproeven over de hele wereld waar de prestaties van verschillende variëteiten kunnen worden getest onder lokale klimatologische en beheersomstandigheden. In samenwerking met ervaren lokale telers worden de productiviteit en ziekteresistentie van nieuw ontwikkelde, experimentele rassen voortdurend vergeleken met die van reeds lang bestaande rassen waarvan bekend is dat ze goed presteren onder de gegeven omstandigheden.

Gedurende het hele groeiseizoen houden velddeskundigen voortdurend toezicht op de verschillende percelen om de groei, de tolerantie voor plagen, ziekten en het doorschieten te analyseren, samen met andere plantkenmerken. Gezien het grote aantal proeven en kenmerken is dit een vrij tijd- en arbeidsintensief proces. Bovendien brengt een vergelijking van waarnemingen tussen verschillende lokale deskundigen gewoonlijk een grote mate van discrepantie aan het licht als gevolg van de subjectieve aard van de scoringsprotocollen. 

Veel zaadveredelaars zijn daarom op zoek naar nieuwe en innovatieve technologieën, waaronder dronegebaseerde technologie, om hun klassieke monitoring en scoring-proces te verbeteren. In het Beetphen-project hebben we samen met SESVanderHave en CRA-w het gebruik van hyperspectrale dronebeelden en innovatieve remote sensingtechnologie geëvalueerd voor fenotypering van gewassen in veredelingsproeven voor suikerbieten.

Van klassieke scoring naar fenotypering met behulp van drones

Dronebeelden zijn revolutionair voor veel landbouwonderzoekstoepassingen vanwege de relatief lage kosten en hoge mate van objectiviteit. Om een gebruiksvriendelijk, objectief en efficiënt instrument voor ziektedetectie te ontwikkelen voor zaadveredelaars van suikerbieten, vergeleken we geavanceerde dronegebaseerde beeldverwerkingsoplossingen met tijd- en arbeidsintensieve veldobservaties van verschillende ziekten, zoals echte meeldauw.

Door gebruik te maken van hoge-resolutie spectrale sensoren aan boord van drones kunnen we op een efficiënte, nauwkeurige en homogene manier gedetailleerde plantinformatie vastleggen en de impact van verschillende externe factoren op de plantengroei analyseren. Zodra alle dronegegevens zijn vastgelegd, verwerken ze zichzelf natuurlijk (nog) niet. Om de suikerbietendeskundigen te ondersteunen bij het extraheren van de nodige informatie uit de beelden, ontwikkelden we een specifieke beeldverwerkingsketen op basis van machine learning, specifiek voor de detectie van suikerbietenziekten. Het algoritme screent de beelden op symptomen en levert een gebruiksvriendelijke kaart met kleurcodering op die de gezondheidsstatus van de planten aangeeft.

MAPEO, een digitale tweeling van uw veldproeven

Deze kaarten worden geleverd via ons online platform voor dronegebaseerde high-throughput fenotypering 'MAPEO'. In essentie vertaalt MAPEO dronebeelden naar de behoeften van de gebruikers, waardoor de benodigde informatie direct beschikbaar is via een gebruiksvriendelijke webgebaseerde interface. MAPEO stelt boeren en veredelaars in staat gebruik te maken van innovatieve en high-end remote sensingtechnologie zonder geconfronteerd te worden met de complexiteit daarvan en zich te concentreren op wat echt belangrijk voor hen is, namelijk het zoeken naar de beste ziekteresistente zaadvariëteiten.   

MAPEO levert een schat aan informatie, zelfs informatie die oorspronkelijk niet met het blote oog kan worden gezien, en zorgt zo voor beter gefundeerde beslissingen op het gebied van bedrijfsbeheer of veredeling. Het stelt agrarische veldmanagers in staat om de ziekteresistentie van verschillende suikerbietenrassen nauwkeurig en efficiënt te monitoren, waardoor de inspanningen en kosten worden geoptimaliseerd en de bijbehorende teelt- en selectieprogramma's sneller kunnen worden uitgevoerd.

Het onderzoek dat in het kader van het Beetphen-project wordt voorgesteld, wordt gefinancierd door BELSPO (Belgian Science Policy Office) in het kader van het STEREO III-programma - project BEETPHEN (SR/00/346).