برای نسل‌ها، تولیدکنندگان سویا برای تصمیم‌گیری در مورد استفاده از قارچ‌کش‌ها و زمان استفاده از آن، به پیش‌بینی‌های آب‌وهوا، مدل‌های بیماری و جستجوی صحرایی تکیه کرده‌اند. InnerPlant در حال توسعه منبع متفاوتی از اطلاعات است: سیگنال هایی که از داخل خود محصول تولید می شوند.
پلتفرم CropVoice شرکت فناوری کشاورزی مستقر در کالیفرنیا-از شبکه ای از قطعات نگهبان کاشته شده با InnerSoy، گیاهان سویای مهندسی شده ژنتیکی استفاده می کند که سیگنال های نوری قابل تشخیص را هنگامی که سیستم ایمنی آنها به پاتوژن های قارچی پاسخ می دهد، تولید می کند. InnerPlant آن سیگنال‌ها را در کنار نمونه‌های بافت، مشاهدات میدانی، اطلاعات آب‌وهوا و مدل‌های بیماری قبل از ارسال هشدار به پرورش دهندگان تجزیه و تحلیل می‌کند.
این شرکت می‌گوید این رویکرد می‌تواند یک عفونت فعال را ظرف 48 ساعت، احتمالاً هفته‌ها قبل از آشکار شدن علائم، شناسایی کند. این زمان برای رسیدگی به یکی از سخت‌ترین تصمیم‌های{2}}حفاظتی که کشاورزان با آن مواجه هستند در نظر گرفته شده است: استفاده از قارچ‌کش به‌اندازه کافی برای محافظت از محصول بدون سمپاشی در زمانی که بیماری وجود ندارد یا بعید است که آسیب اقتصادی ایجاد کند.
تشخیص بیماری از داخل گیاه
فناوری زیربنایی InnerPlant بر پایه حسگرهای زیستی است که برای چندین دهه در تحقیقات آزمایشگاهی استفاده شده است. چالش فنی اصلی شرکت انتقال آن حسگرها به میدان های تجاری بود، جایی که نور خورشید، آب و هوا و سایر شرایط پس زمینه می توانند با سیگنال های ضعیف ساطع شده توسط گیاهان تداخل داشته باشند.
تبلیغات
InnerPlant الگوریتم‌هایی را برای جداسازی سیگنال‌های بیولوژیکی خود از نور پس‌زمینه، همراه با مدل‌های هوش مصنوعی- که هزاران تصویر تولید شده توسط سیستم نظارت را طبقه‌بندی می‌کنند، توسعه داد. هدف این است که فعالیت غیرقابل مشاهده در داخل یک کارخانه را به اطلاعاتی تبدیل کنیم که بتواند تصمیمات مدیریتی در سطح میدانی{2}}را پشتیبانی کند.
هنگامی که یک گیاه InnerSoy توسط یک پاتوژن قارچی آلوده می شود، پاسخ ایمنی طبیعی خود را فعال می کند. ژن وارد شده توسط InnerPlant در کنار ژن های ایمنی مربوطه فعال می شود و پروتئین سیگنالی تولید می کند که سیستم تشخیص این شرکت می تواند آن را شناسایی کند.
از آنجایی که این سیگنال به پاسخ ایمنی متصل است، InnerPlant می‌گوید که می‌تواند بیماری‌های خاصی را نشان دهد، از جمله لکه‌های برگ قورباغه، کپک سفید و عفونت‌های مربوط به سرکوسپورا-. برخلاف جستجوی مرسوم، که عموماً به ضایعات قابل مشاهده یا علائم دیگر بستگی دارد، سیستم CropVoice برای تأیید عفونت قبل از مشاهده خسارت محصول از مزرعه طراحی شده است.
آرونوف در مورد فناوری شرکتش گفت: "کشاورزان اکنون به داده های داخل گیاهان دسترسی دارند."کود روزانه. او گفت که این اطلاعات، مؤلفه بیولوژیکی گمشده را در سیستم‌های{1} مدیریت بیماری ارائه می‌کند که به‌طور سنتی به وجود یک عامل بیماری‌زا، یک محیط مطلوب و یک محصول حساس متکی بوده‌اند.
چهار{0}}هشدار در مورد قالب سفید
InnerPlant گفت که یکی از هشدارهای 2025 آن تفاوت بالقوه بین تشخیص بیولوژیکی و جستجوی معمولی را نشان می دهد.
در 25 ژوئیه، این شرکت یک هشدار کپک سفید بر اساس سیگنال های کارخانه های InnerSoy صادر کرد. در آن زمان، کشاورزان با تجربه که طرح نگهبان را بررسی می کردند، نتوانستند علائم قابل مشاهده را پیدا کنند. به گفته این شرکت، علائم کپک سفید حدود چهار هفته بعد در همان طرح قابل مشاهده شد.
در یک مورد تجاری جداگانه که توسط InnerPlant توضیح داده شده است، یک پرورش دهنده که پس از دریافت هشدار CropVoice سمپاشی را انجام داد، 25-بوشل-در{4}}در هکتار بین منطقه تحت درمان و یک نوار آزمایش تیمار نشده ثبت کرد. نتیجه یک مورد گزارش شده توسط شرکت را به جای ارزیابی کنترل شده و تکراری نشان می دهد، اما استدلال اقتصادی پشت تایید بیماری قبلی را نشان می دهد.
زمان بندی قارچ کش از اهمیت ویژه ای برخوردار است زیرا بسیاری از محصولات زمانی که قبل از ایجاد بیماری از نظر بصری استفاده شوند بیشترین مزیت خود را دارند. استفاده دیرهنگام می‌تواند محصول را محافظت نکند، در حالی که برنامه‌های پیشگیرانه معمول می‌توانند هزینه‌ها را بدون ایجاد بازگشت در زمانی که عفونت ایجاد نمی‌شود، افزایش دهند.
بر اساس گزارش شبکه حفاظت از محصولات، تولیدکنندگان سویا در ایالات متحده در سال 2024 حدود 250.9 میلیون بوشل یا 5.4 درصد از تولید بالقوه را به دلیل بیماری از دست دادند. مقیاس این تلفات تقاضا برای ابزارهایی را ایجاد می کند که می توانند بین شرایطی که صرفاً به نفع بیماری هستند و شواهدی مبنی بر اینکه عفونت واقعاً رخ می دهد تمایز قائل شوند.
CropVoice ده برابر گسترش می یابد
InnerPlant در سال 2025 CropVoice را به صورت تجاری در 50000 هکتار مشترک راه اندازی کرد. این شرکت گفت که این پوشش ده برابر شده و در سال 2026 به بیش از 500000 هکتار افزایش یافته است که در شرق نبراسکا و غرب آیووا متمرکز شده است.
پلتفرم برای هر فیلد ثبت‌شده نیازی به نمودار حسگر جداگانه ندارد. InnerPlant با خرده فروشان کشاورزی و کشاورزان محلی همکاری می کند تا مکان های نگهبان را در یک شبکه منطقه ای همپوشانی قرار دهد. انتخاب مکان، توپوگرافی، آب و هوای محلی، فشار تاریخی بیماری، ژنتیک محصول و شیوه های تولید مانند فاصله ردیف را در نظر می گیرد.
نقشه ها به گونه ای طراحی شده اند که به اندازه کافی شبیه زمین های تجاری اطراف باشند تا اطلاعات مربوط به بیماری های محلی را تولید کنند. داده‌های سایت‌های جداگانه نیز در کنار سیگنال‌های سایت‌های دیگر در شبکه قبل از صدور هشدار ارزیابی می‌شوند.
هشدارها و گزارش های جستجوی CropVoice را می توان از طریق پیام متنی، ایمیل یا از طریق مرکز عملیات جان دیر تحویل داد. InnerPlant قصد دارد در سال 2027 یک داشبورد بر اساس تقاضا اضافه کند.
مدیریت ذرت، حشرات و نیتروژن
جاه طلبی های InnerPlant فراتر از بیماری قارچی در سویا است. این شرکت قصد دارد ذرت را در سال 2027 وارد شبکه CropVoice کند، در حالی که یک حسگر استرس حشره-سویا نیز در دست توسعه است.
یکی دیگر از کاربردهای بالقوه مدیریت نیتروژن است. InnerPlant گفت که در حال بررسی یک حسگر ذرت است که می‌تواند وضعیت نیتروژن محصول را نشان دهد و به طور بالقوه اطلاعات بیولوژیکی برای تکمیل آزمایش خاک، مدل‌های محصول، سنجش از دور و داده‌های آب‌وهوا به تولیدکنندگان بدهد.
چنین سیستمی می تواند پیامدهای گسترده تری برای استفاده از کود داشته باشد. نیتروژن یکی از بزرگترین هزینه های متغیر در تولید ذرت است، اما مقدار موجود برای یک محصول با شرایط خاک، بارندگی، دما و فعالیت بیولوژیکی تغییر می کند. یک نشانگر{2}}تولید شده از گیاه در نهایت می‌تواند به تولیدکنندگان کمک کند تا مکان یا زمان مورد نیاز نیتروژن اضافی را به جای تکیه بر تخمین‌های حاصل از شرایط خارجی شناسایی کنند.
InnerPlant پلت فرم گسترده تر خود را به عنوان یک سیستم عامل بالقوه برای داده های کشاورزی در سطح کارخانه توصیف می کند. در حالی که اکثر ابزارهای کشاورزی دقیق، آب و هوا، خاک، ظاهر تاج پوشش یا سایر عوامل خارجی را اندازه‌گیری می‌کنند، این شرکت به دنبال ایجاد یک لایه داده جدید بر اساس پاسخ‌های فیزیولوژیکی محصولات است.
اینکه آیا این سیگنال‌ها می‌توانند به طور مداوم سودآوری مزرعه را بهبود بخشند، به دقت، پوشش جغرافیایی و هزینه شبکه و همچنین اعتبارسنجی مستقل در طول چندین فصل رشد بستگی دارد. با این حال، گسترش سریع CropVoice نشان می‌دهد که خرده‌فروشان و تولیدکنندگان محصولات کشاورزی مایلند آزمایش کنند که آیا گیاهان خودشان می‌توانند هشداری زودتر و دقیق‌تر از تهدیدات در حال توسعه در این زمینه ارائه دهند یا خیر.
