Peronospora della lattuga: diagnosi precoce con l’IA 

393

Da anni la ricerca scientifica lavora a stretto contatto con l’agricoltura per affrontare le sfide più complesse e proteggere le colture dalle avversità. Nel caso della lattuga, uno dei nemici più temuti è Bremia lactucae, agente causale della peronospora della lattuga, in grado di provocare ingiallimento delle foglie, necrosi e persino defogliazione, con gravi perdite di raccolto. Ma cosa accadrebbe se fosse possibile individuarlo prima ancora che i sintomi diventino visibili? 

A questa sfida ha cercato di rispondere un team di ricercatori cinesi, che ha sperimentato la combinazione tra imaging iperspettrale e analisi dei parametri biochimici della pianta, dimostrando come questo approccio possa facilitare la valutazione della gravità della malattia e la diagnosi precoce della peronospora della lattuga.

• Leggi anche: Peronospora della lattuga: massima attenzione

Due esperimenti per svelare la peronospora della lattuga

Per indagare il comportamento della peronospora, i ricercatori hanno condotto due esperimenti complementari. Il primo mirava a valutare la gravità della malattia su diverse varietà di lattuga utilizzando l’imaging iperspettrale. Sono state coinvolte 150 varietà, ciascuna coltivata in serra a temperatura controllata tra i 15 e i 20 gradi. Quando le piante hanno raggiunto il giusto stadio di sviluppo, sono stati selezionati 15 esemplari sani per varietà, che sono stati inoculati con spore di Bremia lactucae, assicurando un’applicazione uniforme e prevenendo contaminazioni tra le piante. Dopo sette giorni, le colture sono state fotografate con sistemi iperspettrali e analizzate per l’Indice di Malattia (DI) e per i livelli di sostanze biochimiche chiave come clorofilla, flavonoidi e antociani.

Il secondo esperimento si è concentrato sulla rilevazione precoce della malattia. Per farlo, sono state selezionate due varietà particolarmente sensibili, suddivise in due gruppi: uno trattato con spore e un gruppo di controllo irrigato solo con acqua. Prima dell’inoculazione, tutte le piante sono state fotografate per ottenere un riferimento iniziale, e le immagini iperspettrali sono state poi scattate quotidianamente per una settimana per monitorare i cambiamenti. Al termine del periodo, solo le piante trattate hanno mostrato sintomi visibili, confermando come l’imaging iperspettrale possa cogliere i primi segnali della peronospora molto prima che diventino visibili a occhio nudo.

Risultati dello studio

I risultati dello studio hanno messo in luce relazioni sorprendenti tra la gravità della peronospora e i composti biochimici delle piante. I flavonoidi e gli antociani, due composti naturali della pianta, mostrano una chiara correlazione negativa con l’Indice di Malattia, indicando che le piante più ricche di questi metaboliti secondari risultano più resistenti all’infezione, mentre la clorofilla non sembra influire sulla gravità dei sintomi. Non meno interessanti sono le relazioni con la riflettanza spettrale, ovvero la quantità di luce che le foglie riflettono a diverse lunghezze d’onda. Dai dati emerge che l’Indice di Malattia (DI), i flavonoidi e gli antociani mostrano comportamenti differenti in tre intervalli principali: tra 410 e 503 nanometri l’Indice di Malattia diminuisce mentre Flav e Anth aumentano, tra 510 e 610 nanometri la correlazione si inverte, e tra 630 e 690 nanometri DI torna negativa mentre Flav e Anth risultano positivi. Questi intervalli spettrali rappresentano potenziali indicatori affidabili della presenza della malattia e dei livelli di sostanze protettive nella pianta. 

Ma non finisce qui. Gli indici di vegetazione, derivati dai dati spettrali e utilizzati per valutare lo stato fisiologico della lattuga, hanno confermato la possibilità di distinguere tra lattuga sana e infetta senza alcun contatto diretto con la pianta. Indici come PRI, ARI1, ARI2, GRVI e GNDVI si sono dimostrati sensibili sia alla presenza della malattia sia ai livelli di sostanze biochimiche protettive, fornendo uno strumento preciso per valutare lo stato fisiologico delle colture. Infine, l’integrazione con modelli di intelligenza artificiale, come reti neurali convoluzionali e algoritmi Random Forest, ha consentito di stimare rapidamente l’Indice di Malattia e i livelli biochimici delle piante, identificando i primi segnali di infezione già entro 24 ore dall’inoculazione. 

Implicazioni per l’agricoltura di precisione

L’integrazione di tecniche avanzate come il transfer learning e la fusione dei dati potrebbe, quindi, aumentare ulteriormente la precisione e l’adattabilità di questi strumenti, favorendo una diffusione più ampia dell’imaging iperspettrale nell’agricoltura di precisione. Restano però alcune sfide da affrontare: la variabilità ambientale, i costi ancora elevati delle tecnologie, la complessità dell’analisi dei dati e l’integrazione dei sistemi in tempo reale rappresentano ostacoli concreti. La ricerca futura sarà chiamata a testare l’affidabilità dei modelli in contesti diversi, puntando allo stesso tempo allo sviluppo di sensori più accessibili e a flussi di lavoro analitici più semplici.

Nonostante questi limiti, i risultati ottenuti aprono la strada a strumenti rapidi e non invasivi per monitorare lo stato di salute della lattuga, offrendo nuove e importanti opportunità per l’agricoltura di precisione e per una gestione più efficace e sostenibile delle avversità delle colture.

• Leggi anche: La lattuga: guida alla coltivazione
  

Federica Del Vecchio
© fruitjournal.com