Om schadelijke aaltjes in de landbouw effectief en duurzaam te beheersen, moet eerst duidelijk zijn met welke soort je te maken hebt. Identificatie van aaltjessoorten is complex, kostbaar en vraagt om specialistische expertise die wereldwijd slechts beperkt beschikbaar is. Onderzoekers van Wageningen University & Research (WUR) werken mee aan de ontwikkeling van een AI-identificatiesysteem voor aaltjes. Een eerste mijlpaal is dat het is gelukt om het AI-systeem via een microscoop zelfstandig het wortelknobbelaaltje Meloidogyne chitwoodi te laten herkennen.
Zet een schop in de grond en de kans is groot dat je tientallen, zo niet honderden soorten aaltjes tegenkomt. De draadvormige wormpjes, met een lengte tussen de 0,2 en 3 millimeter, komen vrijwel overal in de bodem voor – ook op landbouwgrond. Hoewel sommige aaltjessoorten een positief effect hebben op de bodem, zijn er ook soorten die telers liever niet in hun perceel hebben, vertelt onderzoeker Leendert Molendijk. “Wanneer er schadelijke aaltjes in de bodem zitten, zoals stengelaaltjes of wortelknobbelaaltjes, kan dat betekenen dat je bijvoorbeeld bollen, uien en pootgoed niet meer mag exporteren. Daarnaast kunnen bij gewassen misvormingen optreden, waardoor ze moeilijk of niet verkoopbaar zijn.” Schadelijke aaltjes zouden jaarlijks wereldwijd voor tientallen miljarden euro’s schade veroorzaken aan gewassen. Onderzoekers schatten dat 10% van de landbouwproductie wordt getroffen.
Belang van identificatie
Bij Integrated Nematode Management, het beheersen van schadelijke aaltjessoorten met een minimum aan nematiciden, is het van groot belang om precies te weten met welke soort je te maken hebt, zegt Molendijk. “Je wilt geen onschadelijke en nuttige aaltjes bestrijden. Bovendien verschilt de effectiviteit van maatregelen per soort. Sommige verminderen na rotatie met andere gewassen of groenbemesters, maar er zijn ook soorten die op allerlei typen gewassen goed gedijen. Ook het moment van telen kan helpen om bepaalde soorten weg te krijgen. Soms is een drastische maatregel nodig, zoals inundatie, het onder water zetten van een perceel.”
Specialistisch werk
Het identificeren van aaltjessoorten vraagt veel expertise, legt onderzoeker Pella Brinkman uit. “De verschillen tussen soorten zijn vaak minimaal. Het gaat echt om details: de vorm van de stekelknoppen, de lengte van een doorschijnend deel van de staartpunt of het aantal kopringen. Bovendien kun je vaak pas in het volwassen stadium zien met welke soort je te maken hebt. Identificatie gebeurt meestal handmatig in gespecialiseerde laboratoria met microscopen, maar soms is aanvullende moleculaire analyse nodig. Wereldwijd zijn er maar enkele tientallen labs die de juiste middelen en deskundigheid in huis hebben. Het is een dure en gespecialiseerde tak van sport.”
Uitdagende aaltjessoort
Een van de meest uitdagende aaltjessoorten om te identificeren is Meloidogyne chitwoodi, oftewel het maiswortelknobbelaaltje. Molendijk: “Het vraagt veel kennis en determinatiewerk om met zekerheid te kunnen zeggen of het om deze aaltjessoort gaat. Zeker met Meloidogyne fallax – ook wel bedrieglijk maiswortelknobbelaaltje genoemd – zijn er grote gelijkenissen. Toen agritechbedrijf Veridi Technologies naar ons toekwam met de vraag of we wilden meewerken aan een AI-identificatiesysteem leek ons Meloidogyne chitwoodi een logische soort om mee te beginnen. Als het voor zo’n complexe soort lukt, dan zou het bij minder lastig te onderscheiden soorten ook moeten kunnen.”
AI-systeem voor soortenidentificatie
Brinkman legt uit welke input WUR leverde voor het AI-systeem. “We hebben onder meer de aaltjes aangeleverd uit onze kweek. Daarnaast hebben we de aaltjes op naam gebracht, de annotatie. Dit is essentieel om het model te trainen op grote aantallen beelden. Verder hebben we gezorgd voor validatie, een controle op de betrouwbaarheid. Dat deden we met behulp van veldmonsters waarvan we wisten dat er een hoog aantal wortelknobbelaaltjes inzaten. Wanneer het systeem fouten maakte, hielp het team bij het analyseren van mogelijke oorzaken en adviseerde het over de morfologische kenmerken waarop de AI zich moest richten om de identificatienauwkeurigheid te vergroten.”
Grote nauwkeurigheid
Uit de testen van de AI-aangestuurde microscoop van Veridi (NemascopeTM) kwam voor identificatie van Meloidogyne chitwoodi een nauwkeurigheid van 96 procent naar voren. Daarmee laat het onderzoek zien dat AI een bruikbaar hulpmiddel kan worden voor de nematodenidentificatie. Molendijk: “Al sinds de jaren 90 werken we aan technische mogelijkheden voor een efficiëntere identificatie. Dat dit nu lukt met AI is een belangrijke mijlpaal. Als we dit ook kunnen toepassen voor andere aaltjessoorten kan dat wereldwijd veel impact hebben. Zeker in regio’s waar het ontbreekt aan taxonomische kennis en adviesdiensten. Als we overal ter wereld telers toegang geven tot een betaalbaar identificatie-systeem, krijgen ze een beter beeld van de bodemgezondheid. En dat kan weer leiden tot betere gewasopbrengsten en minder afhankelijkheid van nematiciden.”
Wet inzake bodemmonitoring
Binnen de context van een subsidie van de European Innovation Council bouwen Veridi Technologies en WUR voort op dit eerste succes om aanvullende toetsen en onderzoek te doen om de capaciteiten van de Nemascope uit te breiden naar niet-parasitaire vrijlevende aaltjes. Naast parasieten zijn aaltjes ook goede indicatoren voor bodembiodiversiteit. Dit onderwerp is van groeiend belang vanwege de onlangs aangenomen Europese Wet inzake bodemmonitoring.
Bron: WUR
