پرش به محتوای اصلی

گوش دادن به حشرات مخفی می تواند به کشاورزان هشدار اولیه در مورد آفات محصولات کشاورزی بدهد

فیزیک‌ارگ۱۴۰۵ مهر ۱۶, پنجشنبه، ساعت ۰۶:۱۰حدود 6 دقیقه مطالعه

خزیدن در مزارع گل آلود سویا برای بررسی چندین میکروفون نصب شده روی گیاه در کارت بینگوی مدرسه فارغ التحصیلی امیلی سور نبود، اما او از این بابت عصبانی نیست. تحقیقات او فرصتی منحصر به فرد برای کار در تقاطع حشره شناسی، کشاورزی و فناوری های نوظهور در حالی که هنوز هم کاری را که دوست دارد انجام می دهد، ارائه می دهد.

این مقاله با توجه به روند و سیاست‌های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

خزیدن در مزارع گل آلود سویا برای بررسی چندین میکروفون نصب شده روی گیاه در کارت بینگوی مدرسه فارغ التحصیلی امیلی سور نبود، اما او از این بابت عصبانی نیست. تحقیقات او فرصتی منحصر به فرد برای کار در تقاطع حشره شناسی، کشاورزی و فناوری های نوظهور در حالی که هنوز هم کاری را که دوست دارد انجام می دهد، ارائه می دهد.

سور، دانشجوی کارشناسی ارشد در رشته حشره شناسی در دانشگاه ایالتی کانزاس، گفت: "من همیشه از بودن در فضای باز لذت می بردم، بنابراین این یکی از چیزهایی بود که مرا به این پروژه کشاند، شروع به کار در خارج از زمین در مزرعه."

سور تیمی از دانشجویان مقطع کارشناسی را در پروژه ای هدایت می کند که به کار میدانی گسترده ای برای جمع آوری داده های منحصر به فرد نیاز دارد: صداهای حشرات.

نتایج می تواند نحوه نظارت بر سلامت محصولات در بخش کشاورزی را تغییر دهد.

سور و دانش‌آموزانش میکروفون‌ها را روی گیاهان سویا قرار می‌دهند و قبل از برداشتن تجهیزات و بررسی دقیق گیاهان برای یافتن شواهدی از فعالیت حشرات، چندین روز به طور مداوم ضبط می‌کنند.

تحقیقات او بخشی از توسعه Insect Eavesdropper است، یک پروژه مشترک و چند دولتی که از صدا، هوش مصنوعی و تجزیه و تحلیل پیشرفته برای شناسایی حشرات پنهان در محصولات استفاده می کند. این پروژه توسط امیلی بیک، استاد حشره شناسی در دانشگاه ویسکانسین-مدیسون رهبری می شود.

بیک ابزار علمی استراق سمع حشرات را اختراع کرد که برای شناسایی، شناسایی و تعیین کمیت فعالیت حشرات با ثبت ارتعاشات ضعیف گیاهی که انسان به طور معمول قادر به شنیدن آن نیست، طراحی شده است.

هدف این فناوری این است که پایش آفات را دقیق‌تر و مداوم‌تر کند که می‌تواند تشخیص زودهنگام را امکان‌پذیر کند.

بیک گفت: "بسیاری از حشراتی که باعث آسیب اقتصادی می شوند به سختی قابل مشاهده هستند، زیرا آنها در داخل گیاهان، زیر زمین یا در مواقعی که جستجوی غیرعملی است تغذیه می کنند."

با «شنود» ارتعاشاتی که حشرات هنگام تغذیه و تعامل با یک گیاه ایجاد می‌کنند، می‌توانیم فعالیت را بدون از بین بردن گیاه شناسایی کنیم و در نهایت به تولیدکنندگان کمک کنیم تا تصمیمات مدیریتی به موقع و هدفمندتری بگیرند.»

توسعه یک ابزار مفید نیاز به تخصص در سراسر حشره شناسی، مهندسی، هوش مصنوعی و سیستم های محصول در دنیای واقعی دارد، و آزمایشگاه Bick این ابزار را برای استفاده رایگان توسط سایر دانشگاهیان برای کمک به توسعه و پذیرش بین رشته ای منتشر کرد.

در K-State، سور با مشاور خود، برایان مک کورناک، رئیس بخش و استاد حشره شناسی در دانشگاه ایالتی کانزاس، و همچنین سایر محققان دانشگاه برای آزمایش این فناوری در مزارع سویا و گلخانه‌های پر از پنبه در برابر سؤالات و شرایطی که تولیدکنندگان واقعا با آن مواجه هستند، کار می‌کند.

آزمایشگاه مدیریت یکپارچه آفات مزرعه ای مک کورناک - همچنین به عنوان "مک لاب" شناخته می شود - یکی از اولین پذیرندگان این پروژه بود که در طول توسعه آن، بازخورد انتقادی را به آزمایشگاه Bick ارائه داد.

کار K-State در به کارگیری این فناوری در تابستان امسال بر روی Dectes texanus – همچنین به عنوان کرم ساقه‌خوار سویا شناخته می‌شود – متمرکز شده است که در ساقه‌های گیاه فرو می‌رود و تشخیص آن بدون بریدن گیاهان زنده دشوار است.

مک کورناک گفت: «با استفاده از این ابزار جدید، می‌توانیم این مهاجمان موذی را بدون نیاز به قربانی کردن گیاهان شناسایی کنیم.

این پروژه نشان می دهد که چگونه، با همسویی درست، تحقیقات بین رشته ای می تواند مسیر را از فناوری امیدوارکننده به ابزارهای کاربردی کشاورزی تسریع بخشد.

مک کورناک گفت: «تبدیل فناوری‌های امیدوارکننده به ابزارهایی که می‌توانند تفاوتی واقعی برای کشاورزی ایجاد کنند، نیازمند تیم‌های بین‌رشته‌ای است که تخصص، تحقیق و تعهد برای حل مشکلات دنیای واقعی را گرد هم می‌آورند. "هیچ آزمایشگاهی به تنهایی تمام تخصص مورد نیاز برای حل چالش هایی مانند این را ندارد.

"K-State در حال اتصال افراد، فناوری ها و منابع برای ایجاد راه حل هایی است که در نهایت می تواند توسط صنعت استفاده شود."

این پروژه همچنین فرصت های ارزشمندی برای رشد دانش آموزان ایجاد می کند.

این فرآیند جریان عظیمی از داده ها را تولید می کند، بسیار بیشتر از آن چیزی که تیم علمی به تنهایی قادر به تجزیه و تحلیل باشد. McCornack گفت که آنها با تقسیم کار به این موضوع می پردازند: تیم Bick مدل های یادگیری ماشینی را توسعه می دهد که الگوهای صوتی معنی دار را استخراج می کند، و همکارانی مانند K-State بر جمع آوری داده های با کیفیت بالا و اطمینان از عملکرد مؤثر سیستم های میدانی تمرکز می کنند.

برای بسیاری از دانش‌آموزان تیم، این اولین تجربه کار بر روی پروژه‌ای در این مقیاس در چندین رشته و مؤسسه است. این همکاری به آن‌ها کمک می‌کند تا تحقیقات خود را از دریچه‌ای وسیع‌تر ببینند و بفهمند که چگونه به یک تلاش علمی بیشتر کمک می‌کند.

سور گفت: «این که بتوانم با دانشمندان کامپیوتر، آمار و تحلیلگران آنها کار کنم تا ببینم آنها با داده‌ها چه می‌کنند، واقعا به من کمک کرد تا در کاری که انجام می‌دادم بیشتر احساس کنم و به پروژه‌های آینده برسم.

علاوه بر آن، دانش آموزان به عیب یاب متخصص تبدیل می شوند.

مک کورناک گفت: قرار نیست همه چیز درست پیش برود. بخش بزرگی از تحقیقات فارغ التحصیل، مالکیت یک پروژه و ایجاد این ذهنیت است که شما کسی هستید که نحوه حل مشکلات را پیدا خواهید کرد.

کار بر روی این تیم سور را بسیار فراتر از منطقه راحتی انضباطی او سوق داده است. هنگامی که محققان شروع به بحث در مورد استفاده از Raspberry Pis - رایانه‌های کوچک و تک بردی که می‌توان به مانیتور یا تلویزیون وصل کرد - در جلسات اولیه، او تصور کرد که آنها در مورد دسر صحبت می‌کنند.

او گفت: «مجبور بودن عیب‌یابی و کار با فناوری‌هایی که قبلا هرگز با آن کار نکرده‌ام، واقعا به من کمک کرد تا اعتمادم را نسبت به آنچه واقعا می‌توانم به عنوان یک محقق انجام دهم، افزایش دهم.»

مک کورناک گفت که دانشجویان فارغ التحصیل در تیم تحقیقاتی همچنین تجربه نظارت بر دستیاران تحقیقاتی در مقطع کارشناسی، مدیریت پروژه ها و برقراری ارتباط با روش های علمی را کسب می کنند - همه مهارت هایی که آنها را برای مشاغل آینده در دانشگاه، صنعت یا دولت آماده می کند.

مک کورناک گفت که هیجان انگیزترین جنبه این پروژه، پتانسیل تغییر نحوه نظارت متخصصان کشاورزی بر سلامت محصول است.

روش‌های رایج تشخیص آفات به مشاهده بصری متکی هستند و تولیدکنندگان و مشاوران محصول اغلب تنها پس از ریشه‌یابی آلودگی یا آسیب قابل توجه گیاه می‌توانند مشکلات را شناسایی کنند.

Insect Eavesdropper لایه دیگری از اطلاعات را معرفی می کند.

مک کورناک گفت: «ما موجوداتی بسیار بصری هستیم و بیشتر سیستم‌های ما بر اساس آنچه می‌توانیم ببینیم ساخته شده‌اند. اما حشرات از طریق صداهایی که گوش ما به سادگی قادر به تشخیص آنها نیست، با محیط خود تعامل دارند.

در نهایت، این ابزار می‌تواند فعالیت غیرمعمول در یک میدان را شناسایی کند و به تولیدکنندگان هشدار دهد تا بررسی کنند.

مک کورناک تأکید می کند که این فناوری جایگزین روش های پیشاهنگی موجود نیست. درعوض، منبع اطلاعات اضافی را فراهم می کند که می تواند از تصمیمات بهتر حمایت کند.

او گفت: «هدف گوش دادن به تغییرات است. "اگر اتفاق متفاوتی در یک زمینه اتفاق بیفتد، آن سیگنال ها می توانند به ما بگویند که زمان آن رسیده است که نگاه دقیق تری داشته باشیم. تصمیم گیری های بهتر - خواه مربوط به مدیریت منابع، کاربرد آفت کش ها یا استقرار نیروی کار باشد - به داشتن داده های قابل اعتماد بستگی دارد."

این پروژه با ترکیب حشره‌شناسی، مهندسی و علم داده، آینده‌ای را شکل می‌دهد که در آن کشاورزان می‌توانند قبل از آشکار شدن مشکلات، بهتر بفهمند در مزارعشان چه اتفاقی می‌افتد.

سور گفت: حشرات، گیاهان و طبیعت دائما در حال تغییر و تحول هستند و با کار بر روی پروژه ای که در آن به چیزها از دیدگاه های جدید نگاه می کنیم، در کنار آن سازگار می شویم.

لیسانس زیست شناسی ریاضی، کارشناسی ارشد در نوشتن خلاق. خوش سفر با دیدگاه های منحصر به فرد در علم و زبان. نمایه کامل →

خواندن متن کامل در فیزیک‌ارگبه زبان اصلی، در سایت ناشر باز می‌شود
متن اصلی (انگلیسی)

Listening to hidden insects could give farmers an early warning of crop pests

Crawling through muddy soybean fields to inspect several plant-mounted microphones was not on Emily Sur's graduate school bingo card, but she's not mad about it. Her research offers a unique opportunity to work at the intersection of entomology, agriculture and emerging technologies while still doing what she loves.

همه‌ی اخبار علم