29.6 C
Athens
Thursday, July 25, 2024
More

    Εφαρμογή στο κινητό αναγνωρίζει τις ελιές από το κουκούτσι τους!

    Περισσότερες από 1200 ποικιλίες ελιάς είναι σήμερα γνωστές παγκοσμίως και καθεμία από αυτές έχει διαφορετική παραγωγικότητα, ποιότητα προϊόντων, αντοχή σε έντομα και ασθένειες και απαιτήσεις σε εδαφοκλιματικές συνθήκες. Για αυτό και η εύκολη και ακριβής αναγνώρισή τους κρίνεται θεμελιώδους σημασίας. Ποιος μπορεί όμως να πει με σιγουριά σε ποια ποικιλία ανήκουν τα δέντρα που διαθέτει;

    Σε ένα snapshot από το μέλλον οι ίδιοι οι ελαιοπαραγωγοί ή οι γεωπόνοι, θα μπορούν απλά με μια εφαρμογή στο κινητό τους να κάνουν μια γρήγορη και με ακρίβεια αναγνώριση των ποικιλιών της ελιάς μέσω μιας απλής φωτογραφίας!

    Αυτός είναι και ένας από τους στόχους των ερευνητών στο Εργαστήριο Ελαιοκομίας του Ινστιτούτου Ελιάς, Υποτροπικών Φυτών & Αμπέλου του ΕΛΓΟ – ΔΗΜΗΤΡΑ στα Χανιά, οι οποίοι σε συνεργασία με το Πανεπιστήμιο της Σαπιένζα στην Ιταλία ανέπτυξαν ένα πρότυπο μοντέλο βαθιάς μάθησης για την αυτοματοποιημένη αναγνώριση των ποικιλιών της ελιάς, μέσω οπτικής παρατήρησης του κουκουτσιού της.

    Ελιά – Ποικιλίες με ιδιαίτερα χαρακτηριστικά - Οι αποδόσεις σε λάδι - Οικονομικός Ταχυδρόμος - ot.gr

    Μέχρι σήμερα, το πρότυπο για την αναγνώριση και την πιστοποίηση μιας ποικιλίας βασιζόταν σε δύο μεθόδους, στη μορφολογική ταξινόμηση και στη γενετική ανάλυση. Η μορφολογική ταξινόμηση συνίσταται στην οπτική κατά ζεύγη σύγκριση διαφορετικών οργάνων της ελιάς, όπου το σημαντικότερο όργανο θεωρείται το ενδοκάρπιο (κουκούτσι), ενώ η γενετική ανάλυση σε διαφορετικές μεθόδους γενετικής ταξινόμησης (RAPDs, SSR και SNP). Και οι δύο μέθοδοι παρουσιάζουν πλεονεκτήματα και μειονεκτήματα.

    «Η αναγνώριση των ποικιλιών της ελιάς είναι μια πολύπλοκη και κρίσιμη διαδικασία που επηρεάζει όλους τους ενδιαφερόμενους και τους τελικούς χρήστες. Έως σήμερα, η ταυτοποίηση των ποικιλιών γινόταν με εργαστηριακές αναλύσεις που απαιτούσαν εξειδικευμένο προσωπικό, ειδικό εξοπλισμό, εργαστηριακά αντιδραστήρια και αρκετό χρόνο», λέει ο γεωπόνος και υπεύθυνος του Εργαστηρίου Ελαιοκομίας Γιώργος Κουμπούρης, ο οποίος «τρέχει» το ευρωπαϊκό έργο Gen4Olive, στο πλαίσιο του οποίου αναπτύσσεται το OliVaR. Πρόκειται για μια εφαρμογή για κινητά τηλέφωνα μέσω της οποίας, με μία φωτογραφία κουκουτσιού ελιάς αναγνωρίζεται η ποικιλία στην οποία ανήκει το κάθε δέντρο.

    Αναπτύσσονται ποικιλίες ελιάς ανθεκτικές απέναντι στην Xylella - Ελαίας Καρπός

    Σύμφωνα με τον Έλληνα ερευνητή, το Gen4Olive είναι μία δράση καινοτομίας, χρηματοδοτούμενη από την ΕΕ που στοχεύει στην αύξηση της κινητοποίησης των Γενετικών Πόρων της ελιάς και στην προώθηση δραστηριοτήτων βελτίωσης. Δυστυχώς το 95% των ποικιλιών ελιάς της Μεσογείου παραμένουν ανεκμετάλλευτες και αχρησιμοποίητες, ενώ συντηρούνται μόνο στις Τράπεζες Γενετικού Υλικού. Αυτές οι ποικιλίες πιθανώς να παραμείνουν αδρανείς αν δεν αξιοποιηθούν μέσω στοχευμένων ενεργειών που θα βοηθήσουν να γίνουν ενεργές, να κάνουν γνωστές τις ιδιότητες τους και να διατεθούν στους τελικούς χρήστες. Και για να γίνει αυτό θα πρέπει να αναγνωρίζονται εύκολα, γρήγορα και με ακρίβεια.

    Η ακριβής αναγνώριση των ποικιλιών εγγυάται τη σωστή διαχείριση των διεθνών τραπεζών γενετικών πόρων της ελιάς, τη διανομή και την εμπορία αυθεντικών ποικιλιών από φυτώρια και την αύξηση της καταναλωτικής εμπιστοσύνης. Επιπλέον, οι επιτραπέζιες ελιές και το ελαιόλαδο με προστατευμένη ονομασία προέλευσης (ΠΟΠ) είναι από τα προϊόντα με τη μεγαλύτερη ζήτηση από τους καταναλωτές και η ετικέτα τους συνδέεται με την οργανοληπτική τους ποιότητα και τις θρεπτικές τους ιδιότητες. Ως εκ τούτου, η σωστή αναγνώριση των ποικιλιών δεν κρίνεται απλώς απαραίτητη, είναι επιτακτική.

    Νευρωνικά δίκτυα και για τις ελιές

    Τα νευρωνικά δίκτυα είναι μαθηματικά μοντέλα τα οποία μιμούνται κατά κάποιον τρόπο τη λειτουργία του εγκεφάλου και εκπαιδεύονται σε συγκεκριμένες διεργασίες μέσω μεγάλου όγκου δεδομένων που έχουν συλλεχθεί από την πραγματική διεργασία την οποία καλούνται να μοντελοποιήσουν. Στη συγκεκριμένη περίπτωση, το μοντέλο εκπαιδεύτηκε με μεγάλο πλήθος φωτογραφιών κουκουτσιών ελιάς στην αναγνώριση των ποικιλιών της.

    «Για την εκπαίδευση και την δοκιμή του μοντέλου χρησιμοποιήθηκε μία ανοιχτή βάση δεδομένων που περιέχει πάνω από 10.000 φωτογραφίες που έχουν ληφθεί από τις μεγαλύτερες συλλογές ποικιλιών ελιάς (περίπου 131) από τη λεκάνη της Μεσογείου και συγκεκριμένα από την Ισπανία (Πανεπιστήμιο Κόρντομπα), την Ιταλία (Εθνικό Συμβούλιο Έρευνας), την Ελλάδα (ΕΛΓΟ-ΔΗΜΗΤΡΑ, Ινστιτούτο Ελιάς, Υποτροπικών Φυτών και Αμπέλου), την Τουρκία (Ινστιτούτο Έρευνας Ελιάς) και το Μαρόκο (Εθνικό Ινστιτούτο Αγρονομικής Έρευνας).

    Σε συνεργασία με το Πανεπιστήμιο της Σαπιένζα στην Ιταλία δοκιμάσαμε διεξοδικά το OliVaR σε αυτό το σύνολο δεδομένων και διαπιστώσαμε ότι προβλέπει σωστά τις ποικιλίες ελιάς με ακρίβεια άνω του 86%, ποσοστό που αναμένεται να αυξηθεί όσο εμπλουτίζουμε τη βάση δεδομένων», εξηγεί ο δρ. Κουμπούρης συμπληρώνοντας πως το πρόγραμμα Gen4Olive θα ολοκληρωθεί φέτος τον Σεπτέμβριο οπότε και αναμένεται να γίνει η εφαρμογή διαθέσιμη στους ενδιαφερόμενους.

    Σύμφωνα με τον ίδιο, η λεκάνη της Μεσογείου αντιπροσωπεύει το 93% της ελαιοκομικής έκτασης και το 99% της ελαιοπαραγωγής παγκοσμίως, με την Ισπανία να είναι ο μεγαλύτερος παραγωγός ελαιόλαδου στον κόσμο (με 43% της παραγωγής), ακολουθούμενη από την Ιταλία και την Ελλάδα (με 8,8% και 7,4% αντίστοιχα).

    Η ύπαρξη ενός αυτοματοποιημένου υπολογιστικού συστήματος αναγνώρισης της ποικιλίας της ελιάς θα μπορούσε να αποτελέσει έναν πολύτιμο αρωγό για τον παραγωγό ή τον ειδικό που καλείται να πραγματοποιήσει αντίστοιχη αναγνώριση του δέντρου και των καρπών του μέσω οπτικής παρατήρησης.

    Εάν μάλιστα το σύστημα είναι απλό στη χρήση του και εύκολα προσβάσιμο, όπως π.χ. μια απλή εφαρμογή κινητού τηλεφώνου, θα μπορούσε να αποτελέσει πολύτιμο εργαλείο, ειδικά για την υποστήριξη παραγωγών σε μέρη του κόσμου που στερούνται των κατάλληλων υποδομών ως προς τις γεωπονικές υπηρεσίες.

    Το επόμενο βήμα, όπως προανέφερε ο Έλληνας επιστήμονας είναι η αύξηση της ποσότητας και της ποικιλομορφίας των διαθέσιμων δεδομένων εκπαίδευσης, ώστε να δημιουργηθούν βελτιωμένα μαθηματικά μοντέλα που θα λειτουργούν ικανοποιητικά σε μεγαλύτερο εύρος, περιλαμβάνοντας ακόμα περισσότερες ποικιλίες. Τα μέχρι τώρα αποτελέσματα είναι ενδεικτικά των δυνατοτήτων που προσφέρουν οι τεχνικές βαθιάς μάθησης στον τομέα της αυτοματοποιημένης αναγνώρισης φυτικών δεδομένων καθιστώντας σαφές ότι η τεχνητή νοημοσύνη αποτελεί το μέλλον και για τη γεωργία.

    * Το έργο GEN4OLIVE έχει λάβει χρηματοδότηση από το πρόγραμμα έρευνας και καινοτομίας Horizon 2020 της Ευρωπαϊκής Ένωσης βάσει σύμβασης επιχορήγησης με αριθμό 101000427.

    Τελευταία Άρθρα

    Σχετικά Άρθρα