Odor-based real-time detection of pests on maize plant

Dit onderzoek toont aan dat real-time detectie van maïsschade door plagen via geurmetingen met een compacte massaspectrometer, zelfs onder open veldomstandigheden, een veelbelovende methode is voor vroege en precieze gewasmonitoring.

De kern

De Geur van de Maïs: Hoe Robots Pests kunnen Ruiken

Stel je voor dat een maïsveld een enorme, stilzwijgende alarmklok is. Normaal gesproken horen we pas dat er iets mis is als de bladeren al gegeten zijn of de plant verdord. Maar planten zijn slimme overlevers: als een insectje begint te knagen of een schimmel de plant binnendringt, schakelt de maïs direct een geheim alarm in. Hij laat een specifieke geur vrij, een chemisch signaal dat voor ons onzichtbaar en onruikbaar is, maar voor de natuur een schreeuw om hulp.

Deze studie van een internationaal team onderzoekers probeerde uit of we die geur kunnen "lezen" met technologie, zodat we pesticiden veel gerichtere en minder kunnen gebruiken. Ze deden dit in drie stappen, van het laboratorium tot het echte veld.

Stap 1: De Proef in de Kamer (Het Laboratorium)

In het begin werkten ze in een gecontroleerde kamer. Ze stopten maïsplanten in glazen flessen en keken wat er gebeurde.

• De Drie Detectoren: Ze gebruikten twee verschillende soorten "neuzen".
  1. De Handige Neus (MSS): Een klein, draagbaar apparaatje met een sensor die reageert op geurmoleculen, alsof het een elektronische tong is.
  2. De Superneus (Massaspectrometrie): Een veel groter, supergevoelig apparaat dat de lucht in duizenden stukjes breekt en precies kan zien welk molecuul er zit.
• Het Resultaat: In de glazen flessen werkten beide neuzen perfect. Ze konden met 100% zekerheid zeggen: "Deze plant is gezond," "Deze plant wordt gegeten door een rups," of "Deze plant heeft een schimmel." Het was alsof ze een vingerafdruk van de geur konden maken.

Stap 2: De Uitdaging in de Tuin (Buiten, maar nog niet op het veld)

Vervolgens namen ze de plantjes mee naar buiten, in de open lucht. Hier werd het lastig. De geur verspreidt zich snel in de wind en wordt verdunt, net als een parfum dat je in een grote zaal probeert te ruiken.

• De Handige Neus faalt: De kleine sensor (de MSS) kon de geur niet meer vinden. De wind en de temperatuur verstoorden het signaal te veel. Het was alsof je probeert een fluisterend gesprek te horen in een storm.
• De Superneus wint: De grote, geavanceerde massaspectrometer bleef werken. Zelfs met slechts één seconde meten kon hij met meer dan 90% zekerheid zeggen of een plant beschadigd was of niet. Hij kon de "naald in de hooiberg" vinden, zelfs als de hooiberg in de wind stond.

Stap 3: De Echte Test (Op het Veld)

Tot slot namen ze een nog kleinere, draagbare versie van de "Superneus" mee naar een echt maïsveld in Zwitserland. Ze deden hier een proef: ze deden alsof er rupsen waren (door de bladeren te beschadigen en een beetje rupsen-sap erop te doen) en keken of de machine het verschil zag met gezonde planten.

• Het Resultaat: Het apparaat deed het goed! Het kon de beschadigde planten van de gezonde onderscheiden met ongeveer 70% nauwkeurigheid. Dat klinkt misschien niet als 100%, maar in een echt veld met wind, andere geurtjes van buren en variabele omstandigheden, is dit een enorme doorbraak. Het bewijst dat het werkt in de echte wereld.

Waarom is dit belangrijk?

Vandaag de dag gebruiken boeren vaak pesticiden op hele velden, ook als er maar op één plekje een insect zit. Dat is duur en slecht voor het milieu.

Met deze "geur-detectie" zou een boer in de toekomst een drone of een robot kunnen sturen die over het veld vliegt en de lucht ruikt. Zodra de robot de specifieke geur van een aanval ruikt, weet de boer precies waar hij moet ingrijpen. Hij kan dan alleen die ene plek behandelen, in plaats van het hele veld.

Kortom:
Deze studie laat zien dat we in de toekomst planten niet meer hoeven te "kijken" om ziektes te zien, maar dat we ze kunnen "ruiken". De technologie is nog niet helemaal klaar voor de boer (de apparaten zijn nog duur en groot), maar het is een enorme stap in de richting van een slimmere, schonere landbouw waar we precies weten wat er gebeurt, voordat het te laat is. Het is alsof we de maïsplanten eindelijk een stem hebben gegeven, niet door te praten, maar door te ruiken.

Technische samenvatting

Probleemstelling

De huidige landbouw is sterk afhankelijk van synthetische agrochemicaliën, wat leidt tot milieuproblemen en biodiversiteitsverlies. Ondanks decennia aan innovatie veroorzaken plagen en ziekten nog steeds tot 40% van de potentiële oogstverliezen. Een cruciale uitdaging is het vroegtijdig detecteren van deze bedreigingen om gerichte en minimale ingrepen mogelijk te maken. Bestaande methoden, zoals akoestische sensoren of beeldvorming, hebben beperkingen in het detecteren van aanvallen in zeer vroege stadia of het onderscheiden van meerdere stressfactoren onder veldomstandigheden.

Planten reageren op biotische stress (zoals insectenvraat of schimmelinfecties) door specifieke mengsels van vluchtige organische verbindingen (VOC's) uit te stoten. Deze "chemische vingerafdrukken" kunnen dienen als vroege waarschuwingssignalen. De hoofdvraag van dit onderzoek is of deze geur-signalen real-time en ter plaatse gedetecteerd kunnen worden met bestaande sensortechnologieën, zelfs wanneer de concentraties in de open lucht sterk verdund zijn.

Methodologie

Het onderzoek volgde een stapsgewijze aanpak, variërend van gecontroleerde laboratoriumomgevingen tot een veldproef, met gebruikmaking van twee complementaire sensortechnologieën:

1. Plantmateriaal: Maïsplanten (Zea mays, variëteiten Delprim en Aventicum) werden blootgesteld aan:

   • Herbivorie door twee soorten rupsen: Spodoptera exigua en Spodoptera frugiperda.
   • Infectie door de schimmel Colletotrichum graminicola.
   • Onbeschadigde controlegroepen.

2. Sensortechnologieën:

   • MSS (Membrane-type Surface Stress Sensors): Een compacte, handheld module met een array van 12 kanalen, bedekt met verschillende adsorptiematerialen. Deze detecteren veranderingen in membraanspanning door gasadsorptie.
   • CI-TOF-MS (Chemical Ionization Time-of-Flight Mass Spectrometry):
     • Laboratorium/Open-lucht: Een Vocus S (PTR-TOF) instrument met protontransfer-reactie ionisatie.
     • Veld: Een ultra-draagbaar Vocus C instrument (30 kg, 250W) met benzeen-kation ionisatie, wat selectiever is dan PTR.

3. Experimentele Opzet:

   • Laboratorium: Dynamische headspace-monstername (gesloten systemen) voor GC-MS, MSS en PTR-TOF.
   • Open-lucht (Semi-gecontroleerd): Planten buiten gemeten zonder headspace-omhulsel, blootgesteld aan natuurlijke luchtstromen en omgevingsfactoren (temperatuur, vochtigheid).
   • Veldproef: Een proef op een maïsveld in Zwitserland met gesimuleerde herbivorie (mechanische wonden + regurgitant van rupsen).

4. Data-analyse: Geavanceerde machine learning-modellen (Random Forest, Lasso-geregulariseerde logistische regressie) werden gebruikt om de sensordata te analyseren en onderscheid te maken tussen beschadigde en onbeschadigde planten.

Belangrijkste Bijdragen

• Validatie van twee technologieën: Het artikel vergelijkt voor het eerst systematisch een compacte elektronische neus (MSS) met een geavanceerde massaspectrometrische techniek (CI-TOF-MS) voor de detectie van maïspest.
• Overgang naar realistische omstandigheden: Het onderzoek beweegt zich succesvol van gesloten laboratoriumomgevingen naar open lucht en uiteindelijk naar een echt veldscenario, wat een zeldzame en waardevolle progressie is in dit domein.
• Identificatie van markers: Het onderzoek identificeert specifieke ionen en verbindingen die cruciaal zijn voor het onderscheiden van herbivorie (bijv. indool, sesquiterpenen, DMNT) en schimmelinfecties.
• Real-time prestaties: Het demonstreert dat massaspectrometrie in staat is om binnen één seconde een betrouwbare diagnose te stellen, zelfs bij zeer lage concentraties in de open lucht.

Resultaten

1. Laboratoriumresultaten (Gesloten systeem):

   • Zowel GC-MS als MSS en PTR-TOF konden duidelijk onderscheid maken tussen onbeschadigde planten, door rupsen beschadigde planten en schimmelgeïnfesteerde planten.
   • De MSS-module presteerde uitstekend in het laboratorium, met hoge nauwkeurigheid in het onderscheiden van de verschillende stressfactoren en zelfs tussen de twee rupsensoorten.
   • PTR-TOF detecteerde naast de bekende verbindingen ook stikstofhoudende verbindingen (zoals aldoximen) die door GC-MS werden gemist, wat de rijkdom van het chemische signaal onderstreept.

2. Open-lucht resultaten (Semi-gecontroleerd):

   • MSS: De prestaties van de MSS-module stortten in onder open-lucht omstandigheden. De signalen werden gedomineerd door omgevingsvariabiliteit (temperatuur, vochtigheid) en de verdunning van de geurconcentraties, waardoor geen onderscheid mogelijk was tussen beschadigde en onbeschadigde planten.
   • PTR-TOF: Dit instrument bleek zeer robuust. Zelfs bij concentraties in het lage deeltjes-per-triljoen (ppt) bereik, kon het met >90% nauwkeurigheid (tot 96% op 1-2 cm afstand) herbivorie detecteren op basis van slechts één seconde meetdata.
   • De belangrijkste markers voor herbivorie waren indool en sesquiterpenen. De nauwkeurigheid bleef hoog (>86%) zelfs wanneer modellen getraind werden op data van eerdere dagen en getest op een nieuwe dag.

3. Veldresultaten (Realistische omstandigheden):

   • Met de ultra-draagbare Vocus C (benzeen-kation ionisatie) werd een veldproef uitgevoerd.
   • Ondanks complexe omstandigheden (variabele windrichting, nabijheid van andere planten, variabele stress), kon het model beschadigde van onbeschadigde planten onderscheiden met een nauwkeurigheid van ongeveer 69%.
   • Hoewel lager dan in de open-lucht proef, is dit een bemoedigend resultaat voor een niet-geoptimaliseerde veldsetup. De belangrijkste voorspellers waren opnieuw sesquiterpenen, een benzeen-adduct van DMNT en indool.

Betekenis en Conclusie

Dit onderzoek levert een overtuigend bewijs van concept voor geur-gebaseerde detectie van landbouwplagen.

• Technologische conclusie: Hoewel compacte elektronische neuzen (zoals MSS) veelbelovend zijn in gecontroleerde omgevingen, blijken ze momenteel te gevoelig voor omgevingsfactoren en verdunning voor directe toepassing in de open lucht. Real-time massaspectrometrie (CI-TOF-MS) daarentegen is een veelbelovende technologie voor veldmonitoring vanwege zijn hoge gevoeligheid, snelheid en vermogen om complexe mengsels te ontleden.
• Praktische implicaties: De technologie kan leiden tot "precision agriculture", waarbij pesticiden alleen worden ingezet op specifieke plekken waar plagen worden gedetecteerd, wat de chemische belasting drastisch vermindert.
• Toekomstperspectief: Hoewel de huidige apparatuur nog te duur en groot is voor routinematige landbouwtoepassing, biedt deze studie de nodige kennis (specifieke chemische markers) om de volgende generatie goedkopere, draagbare sensoren te ontwikkelen die specifiek op deze markers zijn afgestemd. De studie benadrukt dat de overgang van laboratorium naar veld complex is, maar dat de basis voor real-time, geur-gestuurde gewasbescherming nu gelegd is.