La tecnologia della NASA può identificare le malattie dell'uva dal cielo

La NASA ha utilizzato le immagini aeree per aiutare a identificare le malattie dell'uva da vino, aprendo la strada a una risposta rapida da parte dei produttori prima che sia troppo tardi. 

Secondo il LA Timesla tecnologia è in grado di rilevare i "primi segni" del virus della vite, diffuso dalla cocciniglia.

Tradizionalmente, a causa della natura della malattia, in passato era possibile identificarla solo attraverso l'analisi vite per vite - seguita da test - che fornivano risultati troppo tardivi per prevenirne l'insorgenza.

Le cifre indicano che ogni anno negli Stati Uniti si verificano danni e perdite per circa 3 miliardi di dollari a causa del virus; l'unico trattamento possibile una volta che il virus ha preso piede è la rimozione delle viti.

Ma la nuova tecnologia della NASA ha utilizzato le immagini a infrarossi di un aereo per vedere quali viti stavano mostrando i sintomi, consentendo ai coltivatori di reagire prima che fosse troppo tardi. Poiché il virus ha un periodo di latenza in cui le viti sono infette ma non mostrano sintomi visibili, è un modello ideale per valutare la scalabilità del rilevamento delle malattie basato sulla spettroscopia di immagini, hanno detto gli scienziati. La tecnologia potrebbe essere utilizzata in futuro anche per altri tipi di agricoltura.

I risultati sono stati presentati sulla rivista Phytopathology, con il titolo Scalable early detection of grapevine virus infection with airborne imaging spectroscopy.

La ricerca, condotta tra il settembre del 2020 e del 2021, ha visto i collaboratori dell'industria esplorare 317 ettari vite per vite alla ricerca di sintomi virali visibili e raccogliere un sottoinsieme per i test di conferma molecolare. Le viti sintomatiche identificate nel 2021 sono state ritenute infette in modo latente al momento dell'acquisizione delle immagini con modelli a foresta casuale "addestrati su un segnale spettroscopico di viti non infette e infette dalla malattia del leafroll". I modelli sono stati in grado di distinguere tra viti non infette e infette con una risoluzione da 1 a 5 metri.

È emerso inoltre che i modelli più performanti avevano un'accuratezza dell'87% nel distinguere tra viti non infette e asintomatiche e dell'85% nel distinguere tra viti non infette e asintomatiche + sintomatiche.

Concludendo, si legge che: "Abbiamo scoperto che la spettroscopia di imaging aviotrasportata e l'apprendimento automatico possono essere utilizzati per sviluppare modelli che identificano efficacemente il segnale spettroscopico dell'infezione da GLRaV-3 (leafroll) nella vite in varie risoluzioni spaziali, indipendentemente dalla manifestazione dei sintomi visibili".

"L'obiettivo del nostro lavoro non è quello di sostituire le strategie di ricerca sul campo o i test molecolari esistenti, ma piuttosto di impiegare in modo più strategico queste risorse".