JP2023501123A - 作物の監視と保護 - Google Patents
作物の監視と保護 Download PDFInfo
- Publication number
- JP2023501123A JP2023501123A JP2022523646A JP2022523646A JP2023501123A JP 2023501123 A JP2023501123 A JP 2023501123A JP 2022523646 A JP2022523646 A JP 2022523646A JP 2022523646 A JP2022523646 A JP 2022523646A JP 2023501123 A JP2023501123 A JP 2023501123A
- Authority
- JP
- Japan
- Prior art keywords
- crop
- data
- processing means
- pest
- organisms
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title 1
- 241000607479 Yersinia pestis Species 0.000 claims abstract description 207
- 238000012545 processing Methods 0.000 claims abstract description 149
- 238000000034 method Methods 0.000 claims abstract description 133
- 238000003205 genotyping method Methods 0.000 claims abstract description 34
- 230000004044 response Effects 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims description 69
- 238000011282 treatment Methods 0.000 claims description 63
- 230000007613 environmental effect Effects 0.000 claims description 53
- 239000000575 pesticide Substances 0.000 claims description 31
- 238000005070 sampling Methods 0.000 claims description 26
- 238000005259 measurement Methods 0.000 claims description 22
- 108091028043 Nucleic acid sequence Proteins 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 239000000523 sample Substances 0.000 description 51
- 241000196324 Embryophyta Species 0.000 description 30
- 230000008901 benefit Effects 0.000 description 22
- 238000011065 in-situ storage Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 20
- 238000012360 testing method Methods 0.000 description 18
- 239000000417 fungicide Substances 0.000 description 14
- 230000000855 fungicidal effect Effects 0.000 description 11
- 150000001875 compounds Chemical class 0.000 description 10
- 244000038559 crop plants Species 0.000 description 10
- 230000000694 effects Effects 0.000 description 10
- 230000001932 seasonal effect Effects 0.000 description 10
- 108020004414 DNA Proteins 0.000 description 9
- 241000233866 Fungi Species 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 230000001413 cellular effect Effects 0.000 description 7
- 239000002917 insecticide Substances 0.000 description 7
- 238000002032 lab-on-a-chip Methods 0.000 description 7
- 238000012163 sequencing technique Methods 0.000 description 7
- 239000002689 soil Substances 0.000 description 7
- 208000031888 Mycoses Diseases 0.000 description 6
- 239000004480 active ingredient Substances 0.000 description 6
- 108090000623 proteins and genes Proteins 0.000 description 6
- 230000012865 response to insecticide Effects 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 241000238631 Hexapoda Species 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000035772 mutation Effects 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 241000894006 Bacteria Species 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 4
- 241000209140 Triticum Species 0.000 description 4
- 235000021307 Triticum Nutrition 0.000 description 4
- 241000700605 Viruses Species 0.000 description 4
- 230000000443 biocontrol Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 244000005700 microbiome Species 0.000 description 4
- 244000052769 pathogen Species 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 239000002028 Biomass Substances 0.000 description 3
- 241000221785 Erysiphales Species 0.000 description 3
- 241000244206 Nematoda Species 0.000 description 3
- 108091034117 Oligonucleotide Proteins 0.000 description 3
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical compound [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 229910021389 graphene Inorganic materials 0.000 description 3
- 239000004009 herbicide Substances 0.000 description 3
- 238000009396 hybridization Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 238000011895 specific detection Methods 0.000 description 3
- 238000005507 spraying Methods 0.000 description 3
- 238000011277 treatment modality Methods 0.000 description 3
- 108091032973 (ribonucleotides)n+m Proteins 0.000 description 2
- 241000238876 Acari Species 0.000 description 2
- 241001124076 Aphididae Species 0.000 description 2
- 241000257303 Hymenoptera Species 0.000 description 2
- 206010061217 Infestation Diseases 0.000 description 2
- 241000726445 Viroids Species 0.000 description 2
- JLCPHMBAVCMARE-UHFFFAOYSA-N [3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[3-[[5-(2-amino-6-oxo-1H-purin-9-yl)-3-[[3-[[3-[[3-[[3-[[3-[[5-(2-amino-6-oxo-1H-purin-9-yl)-3-[[5-(2-amino-6-oxo-1H-purin-9-yl)-3-hydroxyoxolan-2-yl]methoxy-hydroxyphosphoryl]oxyoxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxyoxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(5-methyl-2,4-dioxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(6-aminopurin-9-yl)oxolan-2-yl]methoxy-hydroxyphosphoryl]oxy-5-(4-amino-2-oxopyrimidin-1-yl)oxolan-2-yl]methyl [5-(6-aminopurin-9-yl)-2-(hydroxymethyl)oxolan-3-yl] hydrogen phosphate Polymers Cc1cn(C2CC(OP(O)(=O)OCC3OC(CC3OP(O)(=O)OCC3OC(CC3O)n3cnc4c3nc(N)[nH]c4=O)n3cnc4c3nc(N)[nH]c4=O)C(COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3COP(O)(=O)OC3CC(OC3CO)n3cnc4c(N)ncnc34)n3ccc(N)nc3=O)n3cnc4c(N)ncnc34)n3ccc(N)nc3=O)n3ccc(N)nc3=O)n3ccc(N)nc3=O)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)n3cc(C)c(=O)[nH]c3=O)n3cc(C)c(=O)[nH]c3=O)n3ccc(N)nc3=O)n3cc(C)c(=O)[nH]c3=O)n3cnc4c3nc(N)[nH]c4=O)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)n3cnc4c(N)ncnc34)O2)c(=O)[nH]c1=O JLCPHMBAVCMARE-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000003556 assay Methods 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 239000002773 nucleotide Substances 0.000 description 2
- 125000003729 nucleotide group Chemical group 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- 230000001717 pathogenic effect Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- -1 re Species 0.000 description 2
- 230000003362 replicative effect Effects 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 238000011269 treatment regimen Methods 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 241000239223 Arachnida Species 0.000 description 1
- 241000238421 Arthropoda Species 0.000 description 1
- 108091033409 CRISPR Proteins 0.000 description 1
- 238000010354 CRISPR gene editing Methods 0.000 description 1
- 241001468265 Candidatus Phytoplasma Species 0.000 description 1
- 241000393427 Cepaea hortensis Species 0.000 description 1
- 238000001712 DNA sequencing Methods 0.000 description 1
- 108020000949 Fungal DNA Proteins 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 238000007397 LAMP assay Methods 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241000237852 Mollusca Species 0.000 description 1
- 241000233654 Oomycetes Species 0.000 description 1
- 206010034133 Pathogen resistance Diseases 0.000 description 1
- 241000577979 Peromyscus spicilegus Species 0.000 description 1
- 238000003559 RNA-seq method Methods 0.000 description 1
- 241001207471 Septoria sp. Species 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 235000007264 Triticum durum Nutrition 0.000 description 1
- 235000004240 Triticum spelta Nutrition 0.000 description 1
- 241000209143 Triticum turgidum subsp. durum Species 0.000 description 1
- 230000000895 acaricidal effect Effects 0.000 description 1
- 239000000642 acaricide Substances 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 230000002421 anti-septic effect Effects 0.000 description 1
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 0.000 description 1
- 239000002551 biofuel Substances 0.000 description 1
- 239000003124 biologic agent Substances 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 230000000853 biopesticidal effect Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229940086226 cold spot Drugs 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000009264 composting Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001739 density measurement Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000645 desinfectant Substances 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004459 forage Substances 0.000 description 1
- 230000002538 fungal effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000003864 humus Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012625 in-situ measurement Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 230000000749 insecticidal effect Effects 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000011901 isothermal amplification Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002493 microarray Methods 0.000 description 1
- 238000012775 microarray technology Methods 0.000 description 1
- 230000001617 migratory effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002362 mulch Substances 0.000 description 1
- 231100000350 mutagenesis Toxicity 0.000 description 1
- 239000005645 nematicide Substances 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 230000000361 pesticidal effect Effects 0.000 description 1
- 238000003752 polymerase chain reaction Methods 0.000 description 1
- 102000054765 polymorphisms of proteins Human genes 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 235000012015 potatoes Nutrition 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000026267 regulation of growth Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 229920002994 synthetic fiber Polymers 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M1/00—Stationary means for catching or killing insects
- A01M1/02—Stationary means for catching or killing insects with devices or substances, e.g. food, pheronones attracting the insects
- A01M1/026—Stationary means for catching or killing insects with devices or substances, e.g. food, pheronones attracting the insects combined with devices for monitoring insect presence, e.g. termites
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01B—SOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
- A01B79/00—Methods for working soil
- A01B79/005—Precision agriculture
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M21/00—Apparatus for the destruction of unwanted vegetation, e.g. weeds
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Pest Control & Pesticides (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Zoology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Wood Science & Technology (AREA)
- Insects & Arthropods (AREA)
- Genetics & Genomics (AREA)
- Molecular Biology (AREA)
- Environmental Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Catching Or Destruction (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本教示は、処理手段において、作物の種類を示す作物データを受信するステップと、処理手段において、作物の位置またはその周辺に存在し得る少なくとも1つの有害生物を示す領域データを受信するステップと、処理手段を使用して、データベースから、少なくとも1つの関連する有害生物を選択的に遺伝子型決定するのに適したセンサ構成を選択するステップとを含み、少なくとも1つの関連する有害生物は少なくとも1つの有害生物の中にあり、選択は、作物データおよび領域データに応答して実行される、コンピュータ実装方法に関する。本教示はまた、開示されたステップを実行するように構成された処理手段を備える電子装置と、コンピュータソフトウェアプロダクトとに関する。
【選択図】図1
【選択図】図1
Description
本教示は一般に、作物に対して影響を及ぼす生物をコンピュータ支援識別することに関する。本教示はまた、1つ以上のこのような生物をコンピュータ支援管理および制御することに関する。
雑草などの有害生物や、寄生性細菌、真菌、昆虫、ダニ、線虫またはウイルス、ウイロイドなどの植物害虫は、作物に対して重大な被害を与える可能性がある。除草剤、殺菌剤、殺虫剤、殺ダニ剤または殺線虫剤などの化学化合物または生物学的製剤は、農業において、このような雑草および植物害虫を制御するために使用され、一般に殺虫剤として知られている。
いくつかの有害な生物は、これらの生物が曝露された化合物に対する耐性を進化させ、発達させることによって、殺虫性の化学的または生物学的化合物に対して応答する場合があることが知られている。この生物は例えば、適用された殺虫剤化合物に対して高い耐性を有するかまたは抵抗する変異体を産生することがある。この生物は、他の殺虫性化合物に対してさえ抵抗力を有するようになることがある;これは交差耐性として一般に知られている現象である。したがって、このような殺虫剤化合物は、耐性生物に対して効果がなくなる可能性がある。したがって、耐性生物を制御するために、このような化合物、および交差耐性が存在する他の化合物を適用することは、生態学的および経済的に望ましくない場合がある。言及したように、生物は例えば、突然変異によって、またはシフトによって耐性を獲得する場合がある。
WO19149626は、DNA/RNA配列決定技術に基づく耐性有害生物の制御を提案している。
したがって、生物の現場識別のための費用効果の高い方法が必要とされている。
従来技術に固有の問題のうち少なくともいくつかは、添付する独立請求項の発明特定事項によって解決されることが示される。
本教示の第1観点から見ると、以下を有するコンピュータ実装方法を提供することができる:
・処理手段において、作物のタイプを示す作物データを受信するステップ;
・前記処理手段において、前記作物の場所またはその周辺に存在する可能性のある少なくとも1つの有害生物を示す領域データを受信するステップ;
・前記処理手段を用いて、データベースから、少なくとも1つの関連する有害生物を選択的に遺伝子型決定するのに適したセンサ構成を選択するステップであって、前記少なくとも1つの関連する有害生物は前記少なくとも1つの有害生物のなかに含まれているものであり、前記選択は前記作物データおよび前記領域データに応じて実行される、ステップ。
・処理手段において、作物のタイプを示す作物データを受信するステップ;
・前記処理手段において、前記作物の場所またはその周辺に存在する可能性のある少なくとも1つの有害生物を示す領域データを受信するステップ;
・前記処理手段を用いて、データベースから、少なくとも1つの関連する有害生物を選択的に遺伝子型決定するのに適したセンサ構成を選択するステップであって、前記少なくとも1つの関連する有害生物は前記少なくとも1つの有害生物のなかに含まれているものであり、前記選択は前記作物データおよび前記領域データに応じて実行される、ステップ。
コンピュータ実装方法について説明する実施形態および好ましい実施形態は、本発明の他の目的、特に電子デバイスおよびコンピュータプログラムにも有効である。これらは本発明の各態様およびすべての態様について繰り返し説明しないが、必要な変更を加えて適用可能であることが理解されるであろう。
「耐性を有する」および必要な変更を加えて「耐性」という用語は、「殺虫剤耐性有害生物」、「殺菌剤耐性」において使用される場合、殺虫剤での処理に対する感受性が低下している、このように特徴付けられた生物の特性に関する。感受性は、殺虫剤処理が目的とする所望の効果、例えば、成長調節、寄生の防止、出芽前制御、存在する有害生物の制御などによって測定することができる。感受性は通常、有害生物が処理されていない場合と比較した、殺虫剤で処理したときにおける有害生物の死亡率によって測定される。処理が出芽前に(例えば、作物植物上で、または植物が成長しているかまたは成長する予定である土壌などの場所に対して)実施される場合、感受性は、未処理の場合と比較した発生有害生物の比によって測定される。本明細書において「耐性有害生物」または「耐性」に言及する場合、殺虫剤耐性有害生物の感受性は、制御される場合よりも少なくとも10%低く、好ましくは少なくとも20%低く、より好ましくは少なくとも50%低く、特に少なくとも80%低い。
用語「その場」および「現場」は同等であり、測定のためにサンプリングされた材料が収集および/または調製される場所で遺伝子型決定測定が実施される状況と関連する。同じ場所とは、サンプリングが実施された場所のすぐ近く(例えば、半径1000メートル以内、半径100メートル以内など)の両方を含むが、農場、繁殖ステーション、実験室、温室など、サンプリングが実施された機能単位または組織単位にも関係する。したがって、「その場」および「現場」という用語は、配列決定技術のような、特殊な分析施設へのサンプルの輸送を必要とする任意の技術を除外する。したがって、「その場」および「現場」という用語は、サンプリングから結果信号または処理済み結果信号の生成までの方法ステップが、24時間まで、好ましくは3時間まで、より好ましくは1時間まで、特に好ましくは30分までの期間にわたって実行される状況を指す。
「周囲」という用語は、「作物の位置の周囲」で使用される場合、サンプリングが実施された場所のすぐ近く(例えば、半径1000メートル以内、半径100メートル以内など)に関連するが、農場、近隣農場、繁殖ステーション、実験室、温室など、サンプリングが実施された機能単位または組織単位、ならびに、同じまたは同等の環境条件、例えば、降水量、太陽光線強度、土壌タイプ、海抜、中央温度などを含む天候条件を共有する作物植物の位置の地域単位、および近隣地域単位にも関連する場合がある。典型的には「周囲」という用語は、作物植物が成長しているか、または成長することが意図されている位置から最大50km、好ましくは最大10kmの半径に関連する。
「作物(植物)の場所」において使用される「場所」という用語は、作物植物が成長しているかまたは成長し得る土壌、領域、材料または環境に関する。
有害生物の文脈における「活性」および「存在する」という用語は等価である。用語の選択は、有害生物のタイプに依存することが理解されるであろう。例えば、雑草のような望ましくない植生は通常、存在すると記載されるが、昆虫のような移動動物は活性であると記載される。
「関連する有害生物」の文脈において使用される「関連する」という用語は有害生物のサブグループに関連し、より正確には、領域データは発生しそうではないことを示しており、関心のある特定の作物に対して悪影響を及ぼす有害生物のサブグループに関連する。
「処理手段を介する」および「処理手段を使用する」という用語は同等であり、動作が処理手段によって自動的に、すなわち、処理手段とのさらなるユーザ対話なしに実行される状態に関連する。
本出願人は、作物データを領域データと組み合わせることによって、その場所または現場に存在し得る有害生物の検出範囲を著しく狭め、1つまたは複数の関連生物に焦点を当てることができることに気付いた。さらに、遺伝子型決定技術は以下に概説されるように、さらなる利点を得るために、この狭められた関心範囲に続いて適用される。
作物は、利益または生存のために栽培および収穫することができる産生物、典型的には植物であることが理解されるであろう。作物は、農業または水産養殖において栽培される。作物は、屋内または屋外で栽培することができる。作物は、食用穀物、飼料作物、食用種子、果物または野菜などの食用作物であってもよく、または園芸植物、芝または工業作物(例えば、バイオ燃料、繊維など)などの非食用作物であってもよい。
2つのデータの各々の個々のレベルにおいても、検出範囲は、関連性にしたがって限定することができる。例えば、作物のタイプのような作物に関連する情報を含む作物データを使用して、検出範囲を、対象の作物に対して影響を及ぼす有害生物のサブセットに限定することができる。さらなる例として、作物の種類が小麦である場合、ジャガイモのみに対して影響を及ぼす有害生物は、試験の範囲から除外することができる。特定の有害生物は、作物の特定の品種または亜型にのみ影響を及ぼし得ることが理解されるであろう。例えば、特定の生物は小麦種「Spelt」に影響を及ぼし得るが、別の小麦種「Durum」には影響を及ぼさない。そのような場合、作物データは、試験の範囲をさらに狭めるために、特定の種または複数種に関連する情報を含んでもよい。
作物データは、現場に既に存在する作物に関連してもよく、または現場で栽培されるように計画されている作物に関連してもよいことが理解されるであろう。
同様に、領域データは、作物の場所またはその周辺に存在し得る1つまたは複数の有害生物に関する情報を提供する。1実施形態において、領域データは、作物の場所またはその周辺での関連する有害生物またはその一部(胞子など)の発生に関する情報を含む。別実施形態において、領域データは、作物の位置周辺の関連する有害生物またはその一部(胞子など)の発生に関する情報を含む。例えば、作物から一定の距離内に大豆錆病およびうどんこ病の事故が検出された場合、これらの2つのタイプの有害生物を使用して試験の範囲を定義することができる。特定の距離とは、例えば、作物から1kmの同じ領域内を意味する。領域の正確な距離または定義は、試験結果が所望される可能性または確実性に依存するので、本教示の範囲または一般性に限定されない。例えば、作物の50m以内にうどんこ病の事故が報告された場合、同じ有害生物、すなわちうどんこ病は、有害生物が検出される場合、例えば作物から1km離れている場合と比較して、作物の少なくとも一部に影響を及ぼしている可能性が高い。
領域データが作物の位置またはその周辺で活性または存在し得る1つ以上の有害生物に関連する情報を提供することは、領域データが作物の位置またはその周辺で活性または存在し得る1つ以上の有害生物の耐性遺伝子に関する情報も含み得ることも意味する。例えば、領域データは作物の位置またはその周辺の殺虫剤耐性有害生物の存在に関する情報を提供することができ、好ましくは有害生物が耐性である殺虫剤、より好ましくは前記耐性の原因となる遺伝子および/または突然変異の存在に関する情報も提供することができる。このような情報はまた、以前の生育季節に関連してもよく、すなわち、領域データは、作物の位置またはその周辺での以前の生育季節中の殺虫剤耐性有害生物の存在に関する情報、好ましくは有害生物が耐性である殺虫剤、より好ましくは前記耐性の原因となる遺伝子および/または突然変異の存在に関する情報を含んでもよい。
1実施形態において、領域データは、作物の場所またはその周辺に存在する有害生物の殺虫剤耐性のタイプに関する情報を提供する。別実施形態において、領域データは、以前の生育シーズン中に作物の場所またはその周辺に存在した有害生物の殺虫剤耐性のタイプに関する情報を提供する。
領域データは、作物または作物が成長しているか成長することが意図されている農場の過去の物理的および/または化学的処理に関する情報を含んでいてもよい。物理的処理は例えば、農業機械の適用、雑草の燃焼、雑草の浸漬などに関連する。化学的処理は、殺菌剤、殺虫剤、または除草剤などの農薬による以前の処理の適用および用量に関連する。1実施形態において、領域データは、以前の栽培シーズン、好ましくは以前の栽培シーズンおよび現在の栽培シーズンにおける利用農薬および施用率などの農薬施用に関する情報を含む。耐性有害生物は、有害生物に対する耐性個体群の生物学的選択に有利な地域で発生しやすいことが認識されるであろう。したがって、以前の化学処理に関する情報を用いて、作物が成長しているかまたは成長することが意図されている場所またはその周辺の殺虫剤耐性のリスクを評価することができる。
領域データが関連する有害生物の発生に関する情報を含む場合、本発明の方法は典型的には本明細書中以下に記載されるように、殺虫剤耐性(例えば、殺菌剤耐性)を示すDNA配列を検出するために適用される。DNA配列が例えば化学物質を分解する能力を有害生物に与えることによって、機能的に殺虫剤耐性を伝えるか、または殺虫剤と生物との相互作用を機能的に妨害しないが殺虫剤と前記生物との相互作用を機能的に妨害する他のDNA配列のマーカである場合、DNA配列は殺虫剤耐性を示す。したがって、本方法は殺虫剤耐性を示すDNA配列を検出するために適用することができ、センサ構成は殺虫剤耐性を示すDNA配列を検出するように構成される。
したがって、作物データを領域データと組み合わせると、2つのデータのうちの他方に関連しない作物の種類および有害生物をそれぞれ相互に排除することにより、試験の範囲が相乗的に改善される。したがって、処理手段は、作物データおよび領域データを使用して、作物に関連する有害生物の1つまたは複数の存在を選択的に検出するのに最も適したセンサ構成の要件を、データベースから自動的に見つけることができる。選択的に検出するということは、所与の関連する有害生物について、特異的に検出すること、またはその存在を試験することであることが、理解されるであろう。
「少なくとも1つの関連する有害生物は、少なくとも1つの有害生物のからのものである」とは、少なくとも1つの有害生物も領域データによって示されることを意味することが、理解されるであろう。したがって、関連する各有害生物は作物に関連し、領域データによって示されるものでもある。
さらに、選択は作物データおよび領域データに応じて実行され、これにより、作物データおよび領域データの組み合わせが少なくとも1つの関連する有害生物を示すことが理解されるであろう。1態様によれば、作物データは、作物に影響を及ぼし得る有害な生物を示す。これは、有害生物が領域データにも示されている場合に、関連する有害生物として生物を定義することによって、試験の範囲の決定、すなわち、有害生物のうちのどれが検出に関連するかを決定することを高速化できる。あるいは、処理手段が作物データを領域データと組み合わせ、データベースの追加データにアクセスして試験の範囲を決定することによって、試験の範囲を決定することができる。したがって、処理手段は、データベースから少なくとも1つの関連する有害生物を選択的に遺伝子型決定するのに適したセンサ構成を選択することができる。追加データは例えば、作物に影響を及ぼす可能性のある有害生物に関するデータであってもよい。
1実施形態において、少なくとも1つの有害生物を示す領域データは、作物の位置またはその周辺に存在し得る少なくとも1つの(関連する)有害生物またはその一部(胞子など)の発生に関する情報を含まず、とりわけ、視覚的識別手段(例えば顕微鏡検出)または遺伝的識別手段(例えばPCRベースの技術または配列決定技術)から取得されたデータなどのように、作物の位置またはその周辺で少なくとも1つの(関連する)有害生物に対して実施される分析測定または観察に基づくデータを含まない。別実施形態において、領域データは、作物の位置またはその周辺に存在し得る少なくとも1つの(関連する)有害生物の同一性に関する情報を全く含まず、好ましくは少なくとも1つの(関連する)有害生物の遺伝的同一性に関する情報を全く含まない。
別態様によれば、領域データは、季節データを含む。季節データは、作物にとって関心がある有害生物の数をさらに絞り込むために処理手段によって使用される、季節に関する情報を含む。
別態様によれば、領域データは気象データを含むことができ、気象データは、作物に優勢な状態が与えられた場合に、有害生物のうちのどれがより関連性があり得るかをさらに決定するために、処理手段によって使用することができる。当業者であれば、風の強さ、風の方向、湿度、および周囲温度などの優勢な条件は、有害生物の以前に報告された事故から作物までの距離に関する尤度を決定することができるさらなる要因であることを理解するであろう。優勢な条件は、所与の時間および/または所定の期間内のいずれかにおいて、温度、湿度、風速、風向、および降水量のうちの1つまたは複数であってもよい。
したがって、季節および/または気象データをさらに使用して、少なくとも1つの関連する有害生物または少なくとも1つの対象となる有害生物を事前選択/選択することができる。
さらに別の態様によれば、領域データは、作物の地理的位置に関する位置データを含む。したがって、処理手段は、領域データを用いて作物の地理的位置を決定することができる。
1態様によれば、処理手段は、作物の地理的位置の決定に応じて、1つまたは複数のデータベースから以下のいずれかを自動的に取り出す:作物の場所またはその周辺に活動しているかまたは存在する可能性がある1つまたは複数の有害生物に関する情報、季節データ、および気象データ。
したがって、領域データ内のこのような別データ、例えば、気象データおよび/または季節データ、および/または位置データは、作物に影響を及ぼす可能性があるが別データを前提にすれば試験に関連しない有害な生物をさらに排除することによって、処理手段が試験の範囲を狭めることをさらに可能にすることができる。
1実施形態において、領域データは、季節データ、気象データ、および位置データから選択される。別実施形態において、領域データは季節データを含む。別実施形態において、領域データは気象データを含む。別実施形態において、季節データは位置データを含む。
センサ構成は、試験されるべき関連する生物の各々を選択的に検出することができる単一の装置であってもよいし、または、各々が特定の生物を選択的に検出するように個別に設計された複数の装置またはセンサであってもよい。各センサは、特定の生物を検出する特異的なアッセイを含むことができる。この文脈において、少なくとも1つの一塩基多型を有する生物は、異なる生物と考えられる。例えば、センサ構成は、関連する生物の各々を検出するための特定のアッセイまたは能力を有する単一のラボオンチップ装置であってもよい。あるいは、センサ構成は、それぞれが他の装置とは異なる単一の特定の生物を検出することができる複数の異なるラボオンチップ装置であってもよい。センサ構成は、複数の異なる生物を検出することができるラボオンチップ装置と、それぞれ異なる特定の生物を検出することができる1つ以上のラボオンチップ装置との組み合わせであってもよい。
データベースは、複数の試験結果および野外試験からのデータを含むことができる。例えば、データベースは、野外試験および実験室研究で測定された有害生物の型、または各特異的突然変異についてのプローブデータを含む。したがって、データベースは各センサについての選択性データを含むことができ、選択性データは、各個々のセンサが検出することができる特定の生物を示す。次いで、処理手段は、要件に最も適した適切なセンサ構成を選択することができる。換言すれば、処理手段は、処理装置によって関連性があると判定された有害生物の各々を確実に選択的に検出することができるセンサ構成を選択する。
さらなる例として、選択性データは、核酸データ、タンパク質データ、または特定の生物を示す分子データのうちの1つ以上であってもよい。センサ構成は、ナノポア技術に基づくセンサを含んでもよい。ナノポア技術の利点は、定量能力である。別態様によれば、センサ構成は、マイクロアレイ技術に少なくとも部分的に基づくことができる。マイクロアレイに基づく構成の利点は、多重化能力である。さらに別の態様によれば、センサ構成は、少なくとも部分的にグラフェンバイオセンサに基づくことができる。グラフェンバイオセンサはより高い感度および/または選択性を有することができ、これは、より選択的であり、および/またはより小さい微量の生物を検出することができるセンサ構成を提供することができる(例えば、CRISPR Cas修正グラフェンセンサシステム)。高い選択性は例えば、より特異的な株または突然変異を検出するために使用することができる。別態様によれば、または上記に加えて、センサ構成は、少なくとも部分的にマイクロ流体デバイスである。別態様によれば、センサ構成は少なくとも部分的に、例えば高速温度サイクルシステムに基づく、または等温増幅(例えば、ループ媒介等温増幅型システム)に基づく高速PCRシステムであってもよい。選択されるセンサ構成は、上記技術の組み合わせであってもよい。したがって、処理手段は、作物データを領域データと組み合わせることによって決定される、現在の用途に最も適した、これらの技術のうちの1つまたは複数に基づく適切なセンサ構成を選択することができる。別態様によれば、センサ構成は、センサの利用可能性に基づいて選択される。例えば、2つ以上の異なった種類のセンサが関心のある同じ生物を選択的に検出することができる場合、処理手段は、所与の基準に基づいてセンサ構成を選択することができる。例えば、センサが選択される基準は、どのセンサが利用可能であるか、または最も迅速に利用可能であるかに基づくことができる。別態様によれば、選択基準はこれに代えてまたは上記と組み合わせて、使用されるセンサまたはセンサ構成のコストを含む。したがって、高価なセンサよりも安価なセンサの方が好ましい。さらに、代替的にまたは上記と組み合わせて、選択基準は、感知速度を含んでもよい。したがって、より遅いセンサよりも速いセンサを選択することができる。データベース内、またはデータベースに結合された別のデータベース内の上述の基準およびデータのすべてまたはいくつかを利用可能にすることによって、処理手段は、所与の基準に基づいて、さらには基準の所与の優先順位に基づいて、少なくとも1つの関連する有害生物を検出するために最適化されたセンサ構成を選択できることが理解されよう。
作物データは、少なくとも部分的にユーザによって提供される入力であってもよく、または作物センサ、例えば画像認識システムを使用して自動的に取得されてもよい。画像認識システムは、カメラ等の画像センサを備える。画像センサによってキャプチャされた作物の画像を分析することによって、処理手段は、作物の種類を自動的に決定することができる。画像分析は、キャプチャされた画像からのデータを画像ライブラリまたはデータベースと比較することを含むことができる。作物データは、作物からの生物学的サンプルを分析することによって、例えば、葉、花粉、根などの作物の一部を分析することによって、自動的に取得されてもよい。
同様に、領域データは少なくとも部分的に、ユーザによって提供される入力であってもよい。あるいは、領域データは、領域データベースまたはリモートサーバから少なくとも部分的に検索される。例えば、作物の位置を決定した後、ユーザインプットを介して、または地理的位置決定手段(例えば、GPSおよび/またはビーコンなど)を介して自動的に、処理手段は、どの有害生物が作物の位置またはその周辺に存在し得るかについての情報を、公開データベースから自動的に検索することができる。1態様によれば、領域データは、作物の位置またはその周辺で実行された有害生物の以前の測定、例えば以前の成長期からの検出または検出なし測定を含む。
異なるタイプの生物は、異なる方法で作物に影響を及ぼすことができる。生物が作物に影響を及ぼす、すなわち作物に負の影響を及ぼす場合、そのような生物は有害生物と呼ぶことができる。あるいは、生物が作物に対して正の効果を有する場合、その生物は良性生物と呼ぶことができる。
有害生物は、以下のいずれかであり得ることが理解されるであろう:感染性微生物または細菌、あるいは、真菌、バクテリア、ウイルス、ウイロイド、卵菌類、線虫、原生動物、フィトプラズマ、昆虫、それらの類似物などのような、作物に対して影響を及ぼす微生物。用語「有害生物」は、栽培の任意の段階で作物の健康に影響を及ぼし得る有害生物および雑草を包含する。本開示において、「有害生物および病原体」という用語は互換的に使用され、したがって、「病原体」という用語は、作物に影響を及ぼす雑草および害虫を包含する。有害生物は、作物に対して直接影響を及ぼすか、または間接的に影響を及ぼすかのいずれかである。例えば、アリはアブラムシと相互関係を有することが知られている。したがって、たとえアリが直接作物を攻撃するのではなく、作物に対して被害を与えるアブラムシを攻撃する傾向があるとしても、アリはその作物にとって有害な生物と考えられるかもしれない。典型的には、用語「有害生物」は、望ましくない植生(例えば雑草)、真菌、節足動物(例えば昆虫およびクモ類)、軟体動物(例えばカタツムリ)、線虫、ウイルス、およびバクテリア、好ましくは真菌(例えばSeptoria sp.)に関する。
提案する方法は、1つまたは複数の良性生物の検出にも拡張できることがさらに理解される。良性生物は、作物に正の直接的影響を及ぼすか、または間接的影響を及ぼすことが理解されるであろう。つまり、良性の生物が作物に直接的な影響を与えるのではなく、間接的な影響を与える可能性が考えられる。例えば、第1生物が作物に直接影響を及ぼさないが、第2生物に影響を及ぼすか、または負の影響を及ぼし、第2生物が作物にとって有害な生物である場合、第1生物はその作物にとって良性生物であると考えられる。
一部の消費者は、化学活性成分に代わる生物学的代替物の使用を好む場合がある。例えば、有機農業においては、天然に存在する物質の使用が望ましく、合成物質の使用は回避されるか、または厳密に制限される。化学ベースの農薬の生物学的変異体、すなわち、生物農薬は、いくつかの市場においてより望ましい場合がある。このような生物学的変異体は、多くの場合、良性微生物などのような良性生物に依存する。バイオコントロールは、良性生物を用いて、害虫、ダニ、雑草および植物病害を防除する方法を指すために使用される別の用語である。このような良性生物を使用する処置は、作物にまたはその周辺に対して適用される生物、および/またはこのような良性生物の抽出物または一部のうちいずれかに基づく。有効なバイオコントロール処理のためには、作物上またはその周辺の良性生物の広がりを監視することが有益である。前述のように、良性生物は、生きて適用されてもよく、および/または適用される良性生物の一部または抽出物であってもよい。
したがって、1態様によれば、センサ構成は、その構成が少なくとも1つの良性生物を選択的に遺伝子型決定することにも適しているように、処理手段によって選択される。
少なくとも1つの良性生物に関する情報は領域データを介して提供されてもよいし、処理手段への別個の入力として提供されてもよい。したがって、処理手段は、少なくとも1つの良性生物を検出することができるセンサ構成を選択することができる。上記で概説したのと同様に、良性生物の検出は単一のラボオンチップデバイスを介して実施してもよく、または異なるデバイスを介して実施してもよく、各デバイスは特定の異なる生物を特に標的とするか、または関連する生物を検出するのに適したデバイスの任意の組み合わせによって実施してもよい。
別の態様から見た場合、本方法は以下を含む:
・処理手段に対して機能的に結合されたヒューマンマシンインターフェースを介して、適切なセンサ構成に関連する情報を出力するステップ。
・処理手段に対して機能的に結合されたヒューマンマシンインターフェースを介して、適切なセンサ構成に関連する情報を出力するステップ。
適切なセンサ構成に関する情報は、典型的には、どのタイプのセンサ構成を使用すべきかを示す指標である。また、これは、使用されるべきセンサ構成の組み合わせに関する情報に関連してもよい。
したがって、処理手段は、ヒューマンマシンインターフェース(HMI)を介して、選択されたセンサ構成に関する情報を出力することができる。したがって、ユーザは、試験に使用されるべき単一または複数の特定のラボオンチップ装置の構成について知ることができる。ヒューマンマシンインターフェース(「HMI」)は、ビデオディスプレイユニット(例えば、LCD(液晶ディスプレイ)、CRT(陰極線管)ディスプレイ、またはタッチスクリーン)、英数字入力デバイス(例えば、キーボード)、カーソル制御デバイス(例えば、マウス)、および/または信号生成デバイス(例えば、スピーカ)を備えることができる。したがって、HMIは例えば、スクリーンのような視覚的インタフェースであってもよく、および/または、スピーカのようなオーディオインタフェースであってもよい。したがって、出力はユーザに対して表示することができ、および/またはスピーカを介してアナウンスすることができる。したがって、関連する有害生物の検出のための正しい装置を選択し、使用するプロセスを、ユーザにとって簡単かつ直感的にすることができる。例えばデバイスは、カラーコードを使用して、直感的にコード化することができる。したがって、HMIは、検出のために「青」デバイスを使用すべきであることをユーザに出力することができる。次に、ユーザは青デバイスを選び、検出を実行するために青デバイスを使用することができる。これは、いくつかの異なる種類の装置が異なる有害生物を検出するために利用可能である場合において、特に有益である。これに代えてあるいは追加して、装置は、ユーザフレンドリな方法で正しい装置を認識するのに適したアルファベット、数字、または英数字のコードで符号化されてもよい。例えば、デバイスはそれぞれのスキーム、すなわち、デバイス「1」、デバイス「A」、またはデバイス「1B」のいずれかにしたがって呼称することができる。1態様によれば、デバイスは特定の検出のために、または所与の複数の生物のために使用されるカートリッジの形態であってもよい。
選択されたセンサ構成が使用されるとき、測定は、作物データを領域データと組み合わせることによって選択された、関連する生物体または関心のある株に対して、選択的に実行される。結果として、株の全スペクトルを配列決定することと比較して、さらなる有意な時間節約が得られる。したがって、作物データおよび領域データを組み合わせることによって、1つまたは複数の関連する有害生物株を選択することと、それらの関連する有害生物株を選択的に試験する特別に選択された遺伝子型決定センサとを組み合わせることによって、提案方法による複合的利益が達成される。これは時間およびコストの利点を含む。
通常、塩基配列決定は資源集約的な活動である。なぜなら、生物全体のゲノムの塩基配列を決定する必要があり、それによって大量の不必要なデータが得られるからである。
出願人は、病原体または特定の農薬耐性に関する情報を保有するゲノムのより小さな領域を、作物データと領域データを組み合わせることにより、特異的に検出の標的とすることができることを認識している。本発明の方法の特に有用な用途は、真菌疾患の特定の殺菌剤耐性を検出することである。用語「殺菌剤耐性」は、典型的には、特定の殺菌剤を所定の濃度で適用することによって、真菌疾患の別の(野生型)集団と比較して達成することができる、真菌疾患のより低い制御率を指す。殺菌剤耐性は種々の機構(例えば、殺菌剤処理による選択、天然または誘導突然変異、または性的組み換え)によって生成される。分子レベルにおいては、殺菌剤耐性は、タンパク質の1次配列における(1つまたは複数の)アミノ酸の交換、欠失、および/または付加などのような、殺菌剤がターゲットとするタンパク質の適応によって生成される。これらの適応は、種々の技術によってDNAレベルで検出できる。
本発明の方法は、好ましくは標的指向性検出ツールを利用する。このような標的指向性検出ツールは、殺虫剤抵抗性または殺虫剤耐性(例えば、1塩基多型(「SNP」)などの殺菌剤耐性)を示すDNA配列に対して特異的である。理想的には、標的指向性検出ツールは、正確に1つのDNA配列に対して特異的である。標的指向性検出ツールの結果は典型的には、探索されたDNA配列を含むサンプルについては「真」に、探索されたDNA配列を含まないサンプルについては「偽」にサンプルを分類することである。それらはまた、検出されるべき配列を含むDNA物質の量を示す値が得られるという定量的結果を生じる。所定の閾値に基づく分類された情報などのような、量的および質的情報の組み合わせも可能である。配列決定のような他のDNA解析ツールとは対照的に、標的指向性検出ツールは非選択的DNA解析ツールと比較して、より少ない情報を提供するが、より安価で、時間が少なく、その設定においてより容易である。標的指向検出ツールは、それらが必要とする装置がはるかに少なく、時間がかからず、にもかかわらず必要な情報を生み出すので、現場アプローチを可能にすることに大きく寄与する。
典型的な方法は、有害な生物(例えば、真菌)において検出されるべき配列を有するプローブオリゴヌクレオチドのハイブリダイゼーション、またはその逆相補配列に依存する。プローブオリゴヌクレオチドは、RNAベースであってもDNAベースであってもよく、分析される有害生物、例えば真菌のDNAと接触する。有害生物が殺虫剤抵抗性を示す対応するDNAを有する場合、真菌DNAの一本鎖は、適切な条件下でプローブオリゴヌクレオチドとハイブリダイズする。ハイブリダイゼーションは、ポリメラーゼ連鎖反応技術、蛍光ベース技術、発光ベース技術、または電子測定(例えば、グラフェンチップなどの半導体チップ上で)などの様々な方法によって検出することができる。
したがって、本発明の方法は好ましくは、センサ界面において接続されたセンサ構成を使用して、作物サイトから得られた環境サンプルから少なくとも1つの関連する有害生物の遺伝子型分類をその場で実行するステップ、センサ構成を介してセンサ界面で結果信号を生成するステップを含み、より好ましくはセンサ構成は、標的指向検出ツール、最も好ましくは配列特異的検出ツール、特に好ましくは同定されるべき配列とプローブDNAまたはRNA分子とのハイブリダイゼーションに基づく配列特異的検出ツールを含み、例えば、同定されるべき配列は殺虫剤抵抗性、例えば殺菌剤抵抗性を示す。したがって、センサ構成は、典型的には少なくとも1つの関連する有害生物をその場で遺伝子型分類するのに適している。
本発明の方法の強みは、有害な生物(例えば真菌病)を、植物の侵入の非常に初期の段階、例えば病気が素材(例えば、胞子のような真菌素材)または感染した植物の視覚的評価によって検出可能になる前に、検出することを可能にすることである。このことは、殺菌剤耐性真菌株についてはこれらの菌株の防除が困難であり、出願人が具体的な手段を求めていることから、特に重要である。作物データおよび領域データを考慮して、適切なセンサ構成の事前選択を実行することによって、本発明の方法は、関連する有害な真菌の存在についてサンプルを具体的に試験できる。作物データも領域データも真菌病の視覚的検出に依存しないので、本発明の方法は、利用可能な視覚情報がまだ存在しない時点でさえも適用することができる。したがって、本発明の方法は、分析される作物植物の視覚的評価によって真菌病などの有害な生物を検出する前に、実施することができる。
例えば、1つまたは複数のプレハブ式センサまたはラボオンチップ装置の形態における、このようなセンサ構成の選択および使用は、よりユーザフレンドリとすることができる。
通常、ある地域における有害生物の存在の可能性についての情報は例えば、当局または監視団体、インターネットデータベースなどによる公的なアナウンスを介して、何らかの形式で入手可能である。このような情報は周囲の作物からの結果から、または同じ作物からの以前の結果から入手可能であり、これは配列決定結果を含む場合がある。このような情報を用いて、領域データを生成することができる。これを作物データと組み合わせると、有害生物スペクトルの関心点を著しく減少させることができ、その結果、測定を高速化して迅速な結果を得ることができる。
特に有害な生物が実際に存在する場合、例えば、直ちに治療を開始して作物へのさらなる損傷を防ぐために、または作物がまだ成長していない場合において治療計画を開始するために、できるだけ早く結果を得ることが通常非常に望ましい。たとえ有害な生物の存在の視覚的情報、または集団発生が利用可能であっても、生物の菌株が意図されている治療に対して耐性である危険性があるので、治療を開始することは十分ではないかもしれない。したがって、試験の結果が迅速に入手可能であることは、有意な利点である。提案する解決策は、少なくとも関連する結果をより迅速に利用可能にするのに役立つ。
したがって、さらなる態様によれば、本方法はまた、以下を含む:
・センサインターフェースに接続されたセンサ構成をその場で使用して、作物現場から得られた環境サンプルから少なくとも1つの関連する有害生物の遺伝子型を決定し、センサインターフェースにおいてセンサ構成を介して結果信号を生成するステップ;
・処理手段を使用して結果信号を処理し、少なくとも1つの関連する有害生物の1つ以上が環境サンプル中に存在するかどうかを決定し、それによって、作物サイト上の少なくとも1つの関連する有害生物のいずれかの存在をポータブルデバイスを介して検出するステップ。
・センサインターフェースに接続されたセンサ構成をその場で使用して、作物現場から得られた環境サンプルから少なくとも1つの関連する有害生物の遺伝子型を決定し、センサインターフェースにおいてセンサ構成を介して結果信号を生成するステップ;
・処理手段を使用して結果信号を処理し、少なくとも1つの関連する有害生物の1つ以上が環境サンプル中に存在するかどうかを決定し、それによって、作物サイト上の少なくとも1つの関連する有害生物のいずれかの存在をポータブルデバイスを介して検出するステップ。
より具体的には、第2観点から見ると、作物現場における有害生物の存在を現場で検知するための方法を提供することもできる。この方法は、処理手段およびセンサインターフェースを備える携帯型電子装置を使用して実行される。本方法は以下を有する:
・処理手段において、作物データを受信するステップであって、作物データは作物のタイプを示す、ステップ;
・領域データを処理手段で受信するステップであって、領域データは、作物サイトが位置する地域における1つ以上の有害生物の存在を示す、ステップ;
・処理手段を用いて、データベースから、少なくとも1つの関連する有害生物を選択的に遺伝子型決定するのに適したセンサ構成を選択するステップであって、前記少なくとも1つの関連する有害生物は前記少なくとも1つの有害生物のなかのものであり、前記選択は、前記作物データおよび前記領域データに応答して実行される、ステップ;
・センサインターフェースに接続されたセンサ構成をその場で使用して、作物現場から得られた環境サンプルから少なくとも1つの関連する有害生物の遺伝子型を決定し、センサインターフェースにおいてセンサ構成を介して結果信号を生成する、ステップ;
・処理手段を使用して結果信号を処理して、少なくとも1つの関連する有害生物が環境サンプル中に存在するかどうかを決定し、それによって、作物サイト上の少なくとも1つの関連する有害生物のいずれかの存在をポータブルデバイスを介して検出するステップ。
・処理手段において、作物データを受信するステップであって、作物データは作物のタイプを示す、ステップ;
・領域データを処理手段で受信するステップであって、領域データは、作物サイトが位置する地域における1つ以上の有害生物の存在を示す、ステップ;
・処理手段を用いて、データベースから、少なくとも1つの関連する有害生物を選択的に遺伝子型決定するのに適したセンサ構成を選択するステップであって、前記少なくとも1つの関連する有害生物は前記少なくとも1つの有害生物のなかのものであり、前記選択は、前記作物データおよび前記領域データに応答して実行される、ステップ;
・センサインターフェースに接続されたセンサ構成をその場で使用して、作物現場から得られた環境サンプルから少なくとも1つの関連する有害生物の遺伝子型を決定し、センサインターフェースにおいてセンサ構成を介して結果信号を生成する、ステップ;
・処理手段を使用して結果信号を処理して、少なくとも1つの関連する有害生物が環境サンプル中に存在するかどうかを決定し、それによって、作物サイト上の少なくとも1つの関連する有害生物のいずれかの存在をポータブルデバイスを介して検出するステップ。
また、先に概説したように、1態様によれば、センサ構成は配列が少なくとも1つの良性生物を選択的に遺伝子型決定するのに適しているように、処理手段によって選択され、この方法は以下を含む:
・処理手段を用いて結果信号を処理して、少なくとも1つの良性生物が環境サンプル中に存在するかどうかを決定するステップ。
・処理手段を用いて結果信号を処理して、少なくとも1つの良性生物が環境サンプル中に存在するかどうかを決定するステップ。
したがって、少なくとも1つの良性生物のいずれかが作物サイトに存在するかどうかを、ポータブルデバイスを介して検出することもできる。良性生物は例えば、殺菌剤であってもよい。
したがって、作物サイト上の関連する有害生物の迅速な検出を提供するための方法を提供することができる。したがって本教示は、検出されるべきかどうかを決定する前に、作物の種類にしたがって生物の種類の状況を説明する方法を提供する。
結果信号はローカルに記憶することもできるし、リモートサーバまたはデータベースにアップロードすることもできる。
前述したように、作物データは少なくとも部分的に、例えば画像認識システムを介して自動的に取得される。また、領域データは少なくとも部分的に、領域データベースまたはリモートサーバから取得されてもよい。別の態様によれば、少なくとも1つの関連する有害生物に関するさらなる情報が、画像認識システムから取得されてもよい。例えば、キャプチャされたイメージから、処理手段は、生物の存在によって引き起こされる明確な特徴を認識することによって、生物が現場に存在することを少なくとも部分的に確定することができる。特徴は、有害生物の形状、大きさまたは色などの有害生物自体の特徴であってもよく、または有害生物によって引き起こされる作物の外観の変化であってもよい。
1態様によれば、領域データ、作物データおよび結果信号の組み合わせを用いて、将来の季節に対するセンサ構成を事前構築する。したがって、検出された生物および局所的な環境条件に基づいて、次のシーズンのための適切な感知デバイスを提供することができる。
別の態様によれば、環境サンプルを収集するための軌跡は、処理手段を介して、領域データ、例えば季節データに応じて決定される。さらに別の態様によれば、環境サンプルを収集するための軌跡は、季節データおよび気象データまたは一般的な条件に応じて決定される。このように、処理手段は環境サンプル中に関心のある生物が存在する可能性が高くなるように、試料採取場所、または一連の試料採取場所または試料採取経路を選択することによって、試料採取工程を改善することができる。生物が実際に現場に存在する場合、それを検出することが望ましいので、本教示は、そのような検出のより高い信頼性を達成する方法を提供できることが理解されるであろう。
提案した方法の別の利点は、技術知識が少ないユーザが容易かつ迅速に使用できることの他に、処理要求を減らして局所的に解析および結果信号を実施できることである。したがって、携帯型電子装置を、携帯型装置または手持ち型装置として、または低電力電池作動型装置として実現することができる。さらに別の利点は例えば、ユーザ(例えば農業従事者)は、検出プロセス、および/または作物処理、および/またはサンプリングプロセスについて、シーケンシング結果をクラウドにアップロードし、リモートサーバによる分析を実施し、電子デバイスに推奨結果をダウンロードしてユーザへアドバイスするための高速ネットワークまたはインターネット接続を必要とせずに、現場でアドバイスを受けられることである。多くの場合、これは、特に、例えば、農村地域における不良なインターネット接続を有する場所にとって、著しい利点となり得る。ポータブルデバイスは、場合によってはローカル記憶媒体(コンピュータメモリなど)に記憶されているデータベースを介して、および記憶媒体を介して結果信号を解釈することによって、概説した機能を完全にローカルに実行することもできる。場合によっては、より優れたネットワーク接続が利用可能なこのような場所からデータベースを同期することがある。
したがって、本教示は、特に有害な生物スペクトルにおける無関係な検出領域をシステマティックに排除し、これにより関連する生物に対して焦点を当てる方法を提供することができる。したがって、検出結果は、数時間ではなく数分の時間枠内で得ることができる。したがって、提案する教示は、現場検出に対して特に適している。すなわち、本質的に環境サンプルが収集される場所で実施される測定または検出において特に適している。言い換えれば、本発明は、関連する有害生物を同定するために必要とされる努力を節約する。
前述したように、センサ構成は関連する生物の各々を選択的に検出することができる単一の装置であってもよいし、複数のセンサであってもよく、その各々は、複数のセンサの他方が検出することができる異なる特定の生物を選択的に検出するように個別に設計されている。複数のセンサはセンサインターフェースにおいて同時に接続可能であってもよく、または、少なくとも1つの有害生物のサブセットを検出するために、センサインターフェースにおいて同時に接続可能である複数のセンサの任意のセットにおいても、順次接続可能であってもよい。例えば、センサ構成はセンサインターフェースにおいて順次または1つずつ接続された1組のセンサであってもよく、各センサは他のセンサが検出することができるものとは異なる特定の有害生物を検出する。さらなる例として、複数のまたは全てのセンサが、センサインターフェースにおいて同時に接続可能であってもよい。したがって、特定の種類のインターフェースは、本教示の範囲に限定されない。
したがって、より一般的には、以下を含むコンピュータ実装方法を提供することもできる:
・処理手段において、作物のタイプを示す作物データを受信するステップ;
・処理手段において、作物の位置またはその周辺に存在し得る少なくとも1つの生物を示す領域データを受信するステップ;
・処理手段を用いて、前記少なくとも1つの生物を選択的に遺伝子型決定するのに適したセンサ構成をデータベースから選択し、前記選択は、前記作物データおよび前記領域データに応答して実行される、ステップ。
・処理手段において、作物のタイプを示す作物データを受信するステップ;
・処理手段において、作物の位置またはその周辺に存在し得る少なくとも1つの生物を示す領域データを受信するステップ;
・処理手段を用いて、前記少なくとも1つの生物を選択的に遺伝子型決定するのに適したセンサ構成をデータベースから選択し、前記選択は、前記作物データおよび前記領域データに応答して実行される、ステップ。
前に述べたように、この微生物は良性生物かもしれないし、有害生物かもしれない。この方法の利点は上記の場合、すなわち、生物が有害な生物である場合と同様である。これらの利点は、既に詳細に議論されている。生物が良性生物である場合におけるこの方法の利点は、処理手段がその生物を検出するための適切なセンサをデータベースから選択することができることである。
第1観点と同様に、1態様によれば、本方法は以下を含む:
・処理手段に対して機能的に結合されたヒューマンマシンインターフェースを介して、適切なセンサ構成に関する情報を出力するステップ。
・処理手段に対して機能的に結合されたヒューマンマシンインターフェースを介して、適切なセンサ構成に関する情報を出力するステップ。
さらに、第1観点と同様に、さらなるまたは代替の態様によれば、方法は以下を含む:
・センサインターフェースに接続されたセンサ構成をその場で使用して、作物現場から得られた環境サンプルから1つ以上の生物の遺伝子型を決定し、センサインターフェースにおいてセンサ構成を介して結果信号を生成するステップ;
・処理手段を使用して結果信号を処理し、1つ以上の生物が環境サンプル中に存在するかどうかを決定し、それによって、作物サイト上の1つ以上の生物のいずれかの存在を携帯装置を介して検出するステップ。
・センサインターフェースに接続されたセンサ構成をその場で使用して、作物現場から得られた環境サンプルから1つ以上の生物の遺伝子型を決定し、センサインターフェースにおいてセンサ構成を介して結果信号を生成するステップ;
・処理手段を使用して結果信号を処理し、1つ以上の生物が環境サンプル中に存在するかどうかを決定し、それによって、作物サイト上の1つ以上の生物のいずれかの存在を携帯装置を介して検出するステップ。
したがって、より具体的には第2観点と同様に、作物現場における生物の存在を現場で検知するための方法を提供することもでき、この方法は処理手段およびセンサインターフェースを備える携帯型電子装置を使用して実行され、以下を有する:
・処理手段において、作物データを受信するステップであって、作物データは作物のタイプを示す、ステップ;
・領域データを処理手段で受信するステップであって、領域データは、作物サイトが位置する領域における1つ以上の生物の存在を示す、ステップ;
・前記処理手段を使用して、前記少なくとも1つの生物を選択的に遺伝子型決定するのに適したセンサ構成をデータベースから選択するステップであって、前記選択は、前記作物データおよび前記領域データに応答して実行される、ステップ;
・センサインターフェースに接続されたセンサ構成をその場で使用して、作物現場から得られた環境サンプルから1つ以上の生物の遺伝子型を決定し、センサインターフェースにおいてセンサ構成を介して結果信号を生成するステップ;
・処理手段を使用して結果信号を処理し、1つ以上の生物が環境サンプル中に存在するかどうかを決定し、それによって、作物サイト上の1つ以上の生物のいずれかの存在を携帯装置を介して検出するステップ。
・処理手段において、作物データを受信するステップであって、作物データは作物のタイプを示す、ステップ;
・領域データを処理手段で受信するステップであって、領域データは、作物サイトが位置する領域における1つ以上の生物の存在を示す、ステップ;
・前記処理手段を使用して、前記少なくとも1つの生物を選択的に遺伝子型決定するのに適したセンサ構成をデータベースから選択するステップであって、前記選択は、前記作物データおよび前記領域データに応答して実行される、ステップ;
・センサインターフェースに接続されたセンサ構成をその場で使用して、作物現場から得られた環境サンプルから1つ以上の生物の遺伝子型を決定し、センサインターフェースにおいてセンサ構成を介して結果信号を生成するステップ;
・処理手段を使用して結果信号を処理し、1つ以上の生物が環境サンプル中に存在するかどうかを決定し、それによって、作物サイト上の1つ以上の生物のいずれかの存在を携帯装置を介して検出するステップ。
前に述べたように、この微生物は良性の生物かもしれないし、有害な生物かもしれない。
前述の観点のいずれかの態様によれば、方法はさらに以下を含む:
・処理手段を介して、環境サンプル中の1つ以上の生物の存在を示す処理結果信号を生成するステップ。
・処理手段を介して、環境サンプル中の1つ以上の生物の存在を示す処理結果信号を生成するステップ。
1態様によれば、処理された結果信号は、センサ構成によって生成された結果信号から、データ、例えば生の測定データを解析することによって生成される。あるいは、処理された結果信号は本質的には結果信号のコピーであってもよい。
環境サンプルという用語は、生物の存在を検出するために使用することができる任意の種類の試料を包含する。したがって、環境サンプルが作物の一部を含むことは必須ではない。したがって、環境サンプルは、作物の一部を含んでも含まなくてもよい。環境サンプルは、作物現場からの空気、水、無機または有機物のいずれか1つまたはそれらの組み合わせから収集することができる。例えば、環境サンプルは作物現場から得られる土壌試料であってもよく、および/または葉、または作物現場から得られる腐葉土、腐植物、または堆肥化物質などの他の有機物であってもよい。環境サンプルは、作物から直接、または空気から現場で収集された花粉であってもよい。したがって、環境サンプルは植物全体、植物部分、例えば葉、根、花、花粉、土壌試料、胞子収集物(例えば、濾紙上)のうちの任意の1つ以上であってもよいことが理解される。枝葉または葉の試料は、作物の一部を含んでもよく、または雑草の葉または雑草の植物部分であってもよい。サンプルが現場の空気から収集される場合、胞子、微量物等のような生物の指標が収集される。場合によっては、試料が昆虫またはその一部の形態の生物を含んでもよい。1態様によれば、土壌サンプル、または、例えば、以前の季節からの作物または雑草の残りのバイオマスのサンプルが、土壌またはバイオマス中で生存または冬眠している少なくとも1つの生物を同定するために使用される。したがって、処理手段は、次期作物に感染することができる少なくとも1つの有害生物を決定することができる。特に微細生物を検出するために、前述の試料タイプのいずれかを、単独で、または試料中のそのような微細生物の検出のために組み合わせて収集することができる。
選択されたセンサ構成は、センサ構成のセンサのうちの少なくとも1つを処理手段に対して所与の時間において機能的に接続するセンサインターフェースにおいて接続される。センサインターフェースは、ハードウェアインターフェースであってもよい。これは例えば、センサ構成内のセンサのうちの少なくとも1つが、処理手段を備える電子装置にプラグインされるカートリッジの形態である場合である。センサ構成は、所定の時間においてセンサ構成の少なくとも一部を処理手段に対して機能的に接続することによって、センサインターフェースの一部を形成する端子またはピンを有することができる。これは特に、電子装置がハンドヘルド装置である場合には、センサ構成がハンドヘルド装置に取り付けられ、したがって、現場での測定に一層便利になるようにすることによって、有利になる。
場合によっては、センサインターフェースが無線インターフェースであってもよい。したがって、センサのうちの少なくとも1つは、処理手段に対して無線で機能的に接続することができる。これは、電子デバイスがより大きなユニットであり、おそらくハンドヘルドデバイスであるのに適していない場合において、特に有利である。この場合、無線センサは現場で環境サンプルを収集し、これらのサンプルから有害な生物の現場検出を実行するための軽量ユニットとして有利である。有線および無線センサの具体例は、非限定的な意味で提供される。有線タイプと無線タイプの組み合わせも可能である。このようなセンサの特定の実現は、本教示の範囲または一般性にとって必須ではないことが理解されるであろう。
検出のために選択されたセンサ構成へ環境サンプルが導入された後、試料中の1つまたは複数の有害な生物の適切なセンサ構成を使用するときに、センサはその場検出および任意選択で定量化を実行する。検出の結果は、結果信号の形式で生成される。結果信号はセンサ構成内の異なるセンサからの出力を含む信号とすることができ、これは、複数の異なる生物を検出する場合に当てはまる。センサ出力は同時に生成することも、他のセンサ出力を生成することとは異なる時間で生成することもでき、これは、センサ構成がセンサインターフェースに順次接続されるセンサを備える場合に当てはまる。
処理手段は結果シグナルを処理して、1つ以上の関連する有害生物が環境サンプル中に存在するかどうか(すなわち、センサ構成のそれぞれのセンサによって検出されたかどうか)を決定する。既に理解されるように、1つ以上の生物は、特に1つ以上の生物が有害な生物である場合に、作物データを領域データと組み合わせることによって絞り込まれた対象の生物である。したがって、論じたように、センサ構成は、それらのデータの両方に基づいて選択された。提案した方法は検出時間を短縮できた。さらに、作物データを領域データと組み合わせることによって、例えば、野外全体の配列決定測定を使用する場合と比較して、対象であることが見出された特定の種類の有害生物を検出する標的センサを使用することによって、コストを節約することもできる。したがって、提案する教示は、生物の地図を実現するのにも適している。マップは1つまたは複数の関連生物、すなわち、少なくとも1つの関連有害生物および/または少なくとも1つの良性生物のうちの1つまたは複数の地理的分布を反映することができる。したがって、所与の領域にわたって実行された複数の検出から収集された結果を通して、その領域にわたる1つまたは複数の関連生物のいずれかの広がりを表すマップを得ることができる。地図は温室の内部地図であってもよいし、複数の温室の集合地図であってもよい。グリーンハウスは、野菜や果物などの作物を栽培するために使用される密閉構造または半密閉構造である。このような温室地図を用いて、どの温室が有害な生物、例えば耐性突然変異体またはウイルスに感染しているかを追跡することができ、その結果、隔離措置および/または治療を決定または計画することができる。
当業者は、提案された方法によって実現されるようなより速い検出が、より高い解像度のマップの生成を可能にすることを理解するであろう。さらに、センサのより低いコストも、このような詳細なマップの生成のための可能化要因となり得る。したがって、任意の観点の別の態様によれば、本方法はまた、以下を含む:
・処理された結果信号と環境サンプルが収集された作物現場の位置データとを組み合わせることによって、処理手段を使用して現場結果データを生成するステップ;
・現場結果データの少なくとも1つをデータベースへ保存するステップ;
・複数の現場結果データからのデータを組み合わせて、1つまたは複数の関連生物のいずれかの領域的広がりを表すフィールドマップを得るステップ。
・処理された結果信号と環境サンプルが収集された作物現場の位置データとを組み合わせることによって、処理手段を使用して現場結果データを生成するステップ;
・現場結果データの少なくとも1つをデータベースへ保存するステップ;
・複数の現場結果データからのデータを組み合わせて、1つまたは複数の関連生物のいずれかの領域的広がりを表すフィールドマップを得るステップ。
位置データは領域データの一部であってもよいし、代替ソース、例えば、ジオロケーションシステムから受信されてもよい。GPSおよびGALILIOのような地理的位置決定システムは例えば、ハンドヘルドデバイスおよび/またはラボオンチップデバイスに統合可能なモジュールとして利用可能である。このようにして、処理手段は、このようなモジュールから作物サイトの位置情報を取得することができる。当業者は、無線ナビゲーション技術のような代替のジオロケーション方法およびデバイスも適用できることを理解するであろう。2つの領域的に分離された環境サンプルを区別することができる位置の適切な空間分解能を提供する任意の技術を、提案された教示に適用することができる。
このようにして得られたフィールドマップは、生体拡散データの分解能をより細かくすることができる。これは、実際に、いくつかの利点を有することができ、例えば、野外領域に広がる生物集団における任意の変動が認識される。したがって、高および/または低生物活性のゾーンを得ることができる。これは、例えば、治療がどのくらい有効であったかについての情報を提供することができ、または有害な生物集団の侵入が始まった方向についての情報さえ提供することができる。場合によっては、生物ホットスポットおよび/またはコールドスポットを得ることさえできる。ホットスポットとはここでは1つ以上の関連生物のいずれか1つが、隣接領域と比較してより活性である領域を意味する。いくつかの場合において、これらのホットスポットは、生物がより活性であるそれぞれのサイトにおいて局所的に優勢である状態に関連する。関連する有害生物のためのホットスポットを認識する可能性は、そのようなホットスポットの適切な処理を可能にすることができる。同様に、コールドスポットも認識することができる。コールドスポットとはここでは1つ以上の関連生物の少なくとも1つが、隣接領域と比較して活性でないか、または活性が低い領域を意味する。同様に、いくつかの場合において、これらのコールドスポットは、生物があまり活性でないそれぞれのサイトにおいて局所的に優勢である状態に関連する。生物の活性は、このような条件を複製することによって影響され得る。例えば、場合によっては、有害な生物のコールドスポットにおいて局所的に優勢な条件を複製することによって、作物の残りの部分における有害な生物を減少させるか、または排除することさえ可能である。関連する有害生物の1つ以上のホットスポットまたはコールドスポットのいずれかまたは両方の認識は、農薬、殺菌剤、殺虫剤または除草剤などの活性成分の低減されたまたはより有効な使用の点で利点を提供する。同様に、良性生物の1つ以上のホットスポットまたはコールドスポットの認識は、全体的なバイオコントロールをより効果的にするために有益である。
ホットスポットまたはコールドスポットに影響を及ぼす一般的な条件は、温度、水分レベル、pH値、太陽光および/または風の条件という決定要因のうちの任意の1つまたは複数を含むことができる。
このような地図の別の重要な利点は、生物の密度のより良好な概観を得ることができ、寄生の大きさの貴重な情報を提供することができることである。これは、生物の活動にしたがってそのような領域の治療を計画するために重要である。
別の態様によれば、方法はさらに以下を含む:
・処理手段を介してフィールドマップを分析することによって、別の測定または検出が必要とされる少なくとも1つのサイトを決定するステップ。
・処理手段を介してフィールドマップを分析することによって、別の測定または検出が必要とされる少なくとも1つのサイトを決定するステップ。
別の測定は以前に実行されたのと同じ種類の検出であってもよいし、別の測定であってもよい。例えば、別の測定値は、支配的な状態を決定するための少なくとも1つのパラメータの測定値であってもよい。別の測定は、一般的な状態に関するさらなる情報を得るために推奨されるシーケンス測定であってもよい。
作物データおよび/または領域データを取得する上記の態様のいずれかを実施することによって、携帯型電子デバイスは、少なくとも部分的に自動化されることが理解されるであろう。ある場合には、携帯型装置が例えば、作物位置で複数のその場測定を実施するロボットの形態で、完全に自動化されてもよい。例えば、生物の遺伝子型タイピングの実施、結果信号の生成などを含むコンピュータ実施方法は、農業機械、例えばトラクタ上でオンラインで実施することができる。次に、結果信号、処理された結果信号、またはその生成されたマップを同時に適用して、農業機械によって実施される任意の農業対策を適応させることができる。例えば、機械はこれらの信号またはマップによって伝達される情報を使用して、野外全体にわたる農薬および/または農薬の投入量を選択するか、または前記コールドスポットおよびホットスポットにしたがって、すなわち、結果信号、処理された結果信号、またはマップによって伝達される情報に応答して、現場のセクションに依存して、農薬および/または農薬の投入量を選択することができる。
ロボット(例えば、農業機械)は例えば、領域データを自動的にフェッチし、領域データを作物データと組み合わせることができる:後者は、自動的に決定することさえできる。複数の測定値から得られた結果信号はローカルに記憶することができ、あるいは、例えば、無線ネットワーク接続を介して、通信ネットワークを使用して遠隔地にアップロードすることができる。結果信号はまた、少なくとも1つの良性生物に関連するデータを含むことができる。
別の態様によれば、本方法はまた、以下を含む:
・作物データ、領域データ、および選択されたセンサ構成のいずれかに応答して、環境サンプルを収集するためのサンプリング方法を決定するステップ。
・作物データ、領域データ、および選択されたセンサ構成のいずれかに応答して、環境サンプルを収集するためのサンプリング方法を決定するステップ。
試料採取法の決定は、センサ構成を選択するために使用されるのと同じデータベースを使用して、処理手段によって実施でき、または別のデータベースであってもよい。1態様によれば、サンプリング方法に関連する情報は、HMIを介して出力される。これは、オンサイト分析が専門家でないユーザによって実施できるという利点を有することができる。例えば、農場で測定する場合、農家は、サンプリングをどのように実施するかを事前に知る必要がない。したがって、ポータブルデバイスは、サンプルを収集する正しい方法を通してユーザを案内することができる。作物の種類、生物、センサ構成、またはそれらの組み合わせに基づいて著しく変化する、異なる種類のサンプリング方法が存在する。試料採取は、葉の特定の部分または作物の別の部分を採取すること、葉に穿孔された穴を介して試料を抽出すること、生物の全部または一部を採取することなどのいずれかを含むことができる。したがって、サンプリングが適切に実施されない場合、生物の検出は信頼できないことがある。場合によっては、必要とされる試料採取または試料調製は、専門知識、例えば、NaOHベースの抽出およびWhatman FDAカードが必要とされるほどに特殊な場合がある。したがって、提案する教示は、残りの態様と組み合わされたときにも、必要とされるサンプリング方法およびプロセスを通してユーザを案内することによって、ユーザにとってプロセスを容易にする。ユーザは例えば、サンプル収集プロセスおよび/またはサンプル調製プロセスを通じて、プロセスを通じて案内される。したがって、サンプリングがエキスパートユーザによって実施されること、またはそのようなプロセスのいずれかの事前知識の要件によって実施されることを回避することができる。
さらに別の態様によれば、試料採取および/または試料調製は、例えばロボットの形態で携帯型装置によって自動的に実施される。ロボットは、処理手段によって選択されたサンプリング方法にしたがって、自動的にサンプリングを実施できる。
1態様によれば、本方法はまた、以下を含む:
・結果信号または処理された結果信号に応答して、作物サイトに存在する少なくとも1つの関連する有害生物の少なくとも1つを制御するための処理方法を決定するステップ;
・オプションとして、治療方法に関する情報を推薦としてユーザに提供するステップ。
・結果信号または処理された結果信号に応答して、作物サイトに存在する少なくとも1つの関連する有害生物の少なくとも1つを制御するための処理方法を決定するステップ;
・オプションとして、治療方法に関する情報を推薦としてユーザに提供するステップ。
したがって、治療方法は、結果信号または処理された結果信号を分析することによって処理手段によって決定されることが理解されるであろう。治療法の決定は、センサ構成を選択するために使用されたものと同じデータベースを使用するか、または別のデータベースを使用するかのいずれかで、処理手段によって実施できる。データベースは、所与の有害生物に対する異なる農産物の効力に関する追加情報を含むことができる。例えば、データベースは、特定のまたはいくつかの殺虫剤に抵抗性である有害生物と戦うための適切な殺虫剤に関する情報を含むことができる。そのような情報は例えば、抵抗性がタイプ、有意性、および局所拡散において変化するように、定期的に更新されてもよい。
ユーザに対して推奨される治療はまた、製品推奨を伴ってもよい。これらの製品推奨は、経済的有効性、生物学的有効性、入手可能性などによって選択することができる。推奨される製品は、ベンダーから自動的に注文されてもよい。例えば、本方法は、農場または作物植物が生育しているかまたは生育することが意図されている農場に属する組織単位での、貯蔵された推奨製品の入手可能性を含むことができる。前記情報は、データベースに記憶されてもよい。したがって、この方法は、推奨される治療の局所的な利用可能性、すなわち推奨される製品の利用可能性に関する情報をデータベースから受信することを含む。製品在庫が低い(例えば、容量の10%未満)または空であることをデータが示す場合、本方法は、ベンダーから製品を自動的に注文するさらなるステップを含んでもよい。もちろん、注文は、代替的に、推奨された治療に関する情報を受信したユーザによって実施されてもよい。
1態様によれば、治療方法に関連する推奨情報は、HMIを介して出力される。これは、専門家でないユーザによって現場分析を実施でき、関連する有害生物のいずれかを治療するための推奨をその場でユーザに提供することができるという利点を有する。治療方法は、複数の結果信号または処理された結果信号に応答して決定されてもよい。複数のそのような信号は同じサイトまたは近くのサイトからの以前の結果および最近の結果のいずれかであってもよく、または複数の信号は隣接するサイトに関連する信号の組み合わせであってもよく、または以前の信号と隣接するサイトからの信号の組み合わせであってもよい。
別の態様によれば、フィールドマップが生成される場合、本方法はさらに以下を含む:
・処理手段を介してフィールドマップを分析することにより、作物サイトに存在する1つ以上の有害生物の少なくとも1つを制御するための処理方法を決定するステップ。
・処理手段を介してフィールドマップを分析することにより、作物サイトに存在する1つ以上の有害生物の少なくとも1つを制御するための処理方法を決定するステップ。
そうすることによって、処理手段は、作物のどの領域がどのような種類の処理を必要とするかを認識できることが理解されるであろう。したがって、作物領域またはその一部にわたる生物の広がりにしたがって、将来の治療を最適化することができる。別の組み合わされた利点は、処置が生物の広がりの密度にしたがって選択され得ることである。したがって、作物の問題のある領域を適切に処理することができる。
別の態様によれば、本方法はまた、以下を含む:
・作物現場で検出された少なくとも1つの関連する有害生物の少なくとも1つを制御するために、処理方法にしたがって処理を実施するステップ。
・作物現場で検出された少なくとも1つの関連する有害生物の少なくとも1つを制御するために、処理方法にしたがって処理を実施するステップ。
治療は、携帯型電子デバイスを使用して実施できるか、または携帯型電子デバイスに機能的に結合された別個の治療デバイスを使用して実施できる。
処理は、1つ以上の有害生物の少なくとも1つを制御するために1つ以上の活性成分を噴霧することを含む噴霧プログラムであってもよいことが理解される。例えば、処理手段によって検出された菌類を制御するために、処理は、作物または作物サイトの少なくとも一部に殺菌剤を噴霧することを含んでもよい。活性成分は化学化合物であってもよく、および/またはそれは、例えば、バイオコントロールのために使用される生物学的化合物であってもよい。場合によっては、処理が作物または作物サイトからの生物の物理的除去を含むこともできる。
1態様によれば、結果信号の少なくとも一部もデータベースにフィードバックされ、データベースをさらに改善する。結果シグナルの部分は、検出された生物および生物の遺伝子型を含み得る。この部分は、生物を制御するために決定および/または適用された治療推奨を含んでもよい。同じサイトまたはその周辺で、または同じもしくは類似の位置に沿って実施される後続測定から、処理手段は、処置が有害な生物を制御するのに効果的であったかどうかを決定できる。これは、以前には検出されなかった新しい耐性突然変異体を同定するのに役立つ。
同様に、本明細書に開示されたステップを実行するように構成された処理手段を含む電子装置を提供することもできる。
より具体的には、第1観点と同様に、以下を受信するように構成された処理装置を備える電子装置を提供することができる:
・作物の種類を示す作物データ;
・前記作物においてまたはその周囲に存在する少なくとも1つの有害生物を示す領域データ、
前記処理手段はデータベースからセンサ構成を選択するように構成され、前記センサ構成は少なくとも1つの関連する有害生物を選択的に遺伝子型決定するのに適しており、前記少なくとも1つの関連する有害生物は前記少なくとも1つの有害生物のなかのものであり、前記選択は前記作物データおよび前記領域データに応じて実行される。
・作物の種類を示す作物データ;
・前記作物においてまたはその周囲に存在する少なくとも1つの有害生物を示す領域データ、
前記処理手段はデータベースからセンサ構成を選択するように構成され、前記センサ構成は少なくとも1つの関連する有害生物を選択的に遺伝子型決定するのに適しており、前記少なくとも1つの関連する有害生物は前記少なくとも1つの有害生物のなかのものであり、前記選択は前記作物データおよび前記領域データに応じて実行される。
1態様によれば、電子デバイスは、処理手段に対して機能的に結合されたヒューマンマシンインターフェース(「HMI」)をさらに備える。HMIは、適切なセンサ構成に関する情報を出力するように配置される。情報はユーザに対して出力される。
別の態様によれば、センサ構成は、作物現場から得られた環境サンプルからの少なくとも1つ以上の関連する有害生物についてその場で遺伝子型タイピングを実行するように構成される;センサ構成はセンサインターフェースにおいて機能的に接続され、電子デバイスはセンサインターフェースにおいてセンサ構成を介して結果信号を生成するようにさらに構成される。
さらなる態様によれば、処理手段は、少なくとも1つ以上の関連する有害生物が環境サンプル中に存在するかどうかを決定するために結果シグナルを処理するように構成され、それによって、作物サイト上の少なくとも1つ以上の関連する有害生物のいずれかの存在を、電子装置を介して検出する。
電子装置は、好ましくは携帯型装置または携帯型電子装置である。
より具体的には、処理手段およびセンサインターフェースを備える携帯型電子装置を提供することができ、処理手段は以下のように構成される:
・作物のタイプを示す作物データを受信する;
・作物の場所またはその周辺に存在する可能性のある少なくとも1つの有害生物を示す領域データを受信する;
・データベースから、少なくとも1つの関連する有害生物を選択的に遺伝子型決定するのに適したセンサ構成を選択し、少なくとも1つの関連する有害生物は少なくとも1つの有害生物のなかのものであり、選択は作物データおよび領域データに応じて実行される;
センサ構成は、作物サイトから取得された環境サンプルから少なくとも1つの関連する有害生物の遺伝子型決定をその場で実行するように構成される;センサ構成はセンサインターフェースにおいて機能的に接続され、電子デバイスはセンサインターフェースにおいてセンサ構成を介して結果信号を生成するようにさらに構成され、処理手段は少なくとも1つの関連する有害生物が環境サンプル中に存在するかどうかを判定するために結果信号を処理するように構成され、それによって、作物サイト上の少なくとも1つの関連する有害生物のいずれかの存在を電子デバイスを介して検出する。
・作物のタイプを示す作物データを受信する;
・作物の場所またはその周辺に存在する可能性のある少なくとも1つの有害生物を示す領域データを受信する;
・データベースから、少なくとも1つの関連する有害生物を選択的に遺伝子型決定するのに適したセンサ構成を選択し、少なくとも1つの関連する有害生物は少なくとも1つの有害生物のなかのものであり、選択は作物データおよび領域データに応じて実行される;
センサ構成は、作物サイトから取得された環境サンプルから少なくとも1つの関連する有害生物の遺伝子型決定をその場で実行するように構成される;センサ構成はセンサインターフェースにおいて機能的に接続され、電子デバイスはセンサインターフェースにおいてセンサ構成を介して結果信号を生成するようにさらに構成され、処理手段は少なくとも1つの関連する有害生物が環境サンプル中に存在するかどうかを判定するために結果信号を処理するように構成され、それによって、作物サイト上の少なくとも1つの関連する有害生物のいずれかの存在を電子デバイスを介して検出する。
別の態様によれば、電子装置は少なくとも1つの良性生物が環境サンプル中に存在するかどうかをさらに判定するために、処理手段を介して結果シグナルを処理するようにさらに構成される。
別の態様によれば、電子デバイスはまた、作物現場の地理的位置を決定するための地理的位置モジュールを備える。別の態様によれば、電子デバイスはまた、処理手段に対して機能的に接続された通信モジュールを備える。通信モジュールは、通信ネットワークおよび/またはデータベースに接続するために使用することができる。例えば、通信モジュールは、無線ネットワーク接続モジュール、および/またはBluetooth(登録商標)モジュールまたはそのようなものであってもよい。
別の態様によれば、電子デバイスは、以下のように構成される:
・処理された結果信号と、環境サンプルが収集された作物サイトの位置データとを組み合わせることによって、処理手段を使用して現場結果データを生成する;
・現場結果データを少なくとも1つのデータベースに保存する;
・複数の現場結果データからのデータを組み合わせて、少なくとも1つの関連する有害生物のいずれかの領域的広がりを表すフィールドマップを得る。
・処理された結果信号と、環境サンプルが収集された作物サイトの位置データとを組み合わせることによって、処理手段を使用して現場結果データを生成する;
・現場結果データを少なくとも1つのデータベースに保存する;
・複数の現場結果データからのデータを組み合わせて、少なくとも1つの関連する有害生物のいずれかの領域的広がりを表すフィールドマップを得る。
別の態様によれば、電子デバイスは、以下のようにさらに構成される:
・処理手段を介してフィールドマップを分析することによって、別の測定または検出が必要とされる少なくとも1つのサイトを決定する。
・処理手段を介してフィールドマップを分析することによって、別の測定または検出が必要とされる少なくとも1つのサイトを決定する。
別の態様によれば、電子デバイスは、以下のようにさらに構成される:
・作物データ、領域データ、および選択されたセンサ構成のいずれかに応答して、環境サンプルを収集するためのサンプリング方法を決定する。
・作物データ、領域データ、および選択されたセンサ構成のいずれかに応答して、環境サンプルを収集するためのサンプリング方法を決定する。
1態様によれば、電子デバイスは、以下のようにさらに構成される:
・結果信号または処理された結果信号に応答して、作物サイトで検出された少なくとも1つの関連する有害生物の少なくとも1つを制御するための処理方法を決定する;
・オプションとして、治療方法に関する情報を推薦としてユーザに提供する。
・結果信号または処理された結果信号に応答して、作物サイトで検出された少なくとも1つの関連する有害生物の少なくとも1つを制御するための処理方法を決定する;
・オプションとして、治療方法に関する情報を推薦としてユーザに提供する。
1態様によれば、電子デバイスは、以下のようにさらに構成される:
a)少なくとも1つの農薬に関連する有害生物と戦うのに有効な農薬に関する情報をデータベースから受け取る;
b)データベースに記憶された情報a)および結果信号または処理された結果信号に基づいて、ユーザに対して推奨される治療方法に関する推奨、例えば製品推奨を生成する。
a)少なくとも1つの農薬に関連する有害生物と戦うのに有効な農薬に関する情報をデータベースから受け取る;
b)データベースに記憶された情報a)および結果信号または処理された結果信号に基づいて、ユーザに対して推奨される治療方法に関する推奨、例えば製品推奨を生成する。
1態様によれば、電子デバイスは、以下のようにさらに構成される:
c)推奨治療法の現地利用可能性に関する情報をデータベースから受け取る;
d)入手可能性がない場合、または低い場合は、ベンダーからの推奨製品の出荷に対して影響を及ぼす。
c)推奨治療法の現地利用可能性に関する情報をデータベースから受け取る;
d)入手可能性がない場合、または低い場合は、ベンダーからの推奨製品の出荷に対して影響を及ぼす。
別の態様によれば、電子デバイスは、以下のようにさらに構成される:
・処理手段を介してフィールドマップを分析することによって、作物サイト上で検出された少なくとも1つの関連する有害生物の少なくとも1つを制御するための処理方法を決定する。
・処理手段を介してフィールドマップを分析することによって、作物サイト上で検出された少なくとも1つの関連する有害生物の少なくとも1つを制御するための処理方法を決定する。
別の態様によれば、電子デバイスは、以下のようにさらに構成される:
・決められた治療法にしたがって治療を実施する。
・決められた治療法にしたがって治療を実施する。
処理は、作物サイトにおいて少なくとも部分的に実施される。
処理手段は、マイクロプロセッサ、マイクロコントローラ、中央処理装置等のような汎用処理装置であってもよい。より詳細には、処理手段は、CISC(複合命令セットコンピューティング)マイクロプロセッサ、RISC(縮小命令セットコンピューティング)マイクロプロセッサ、VLIW(超長命令ワード)マイクロプロセッサ、または命令セットの組み合わせを実装する他の命令セットまたはプロセッサを実装するプロセッサであってもよい。また、処理手段は、ASIC(Application-Specific Integrated Circuit)、FPGA(Field Programmable Gate Array)、CPLD(Complex Programmable Logic Device)、DSP(Digital Signal Processor)、ネットワークプロセッサ等の1つ以上の専用処理装置であってもよい。本明細書で説明される方法、システム、およびデバイスは、DSP、マイクロコントローラ、または任意の他の側プロセッサにおけるソフトウェアとして、あるいはASIC、CPLD、またはFPGA内のハードウェア回路として実装され得る。「処理手段」またはプロセッサという用語は、複数のコンピュータシステム(例えば、クラウドコンピューティング)にわたって配置された処理デバイスの分散システムなどの1つまたは複数の処理デバイスを指すこともでき、別段の指定がない限り、単一のデバイスに限定されないことを理解されたい。
別の観点から見ると、プログラムが電子デバイスの処理手段によって実行されるときに、本明細書に開示されたステップを実行させる命令を含むコンピュータプログラムを電子デバイスに対して提供することもできる。
例えば、電子装置の処理手段によってプログラムが実行されると、電子装置に対して以下を実施させる命令を含むコンピュータプログラムを提供することができる:
・処理手段において、作物の種類を示す作物データを受信する;
・処理手段において、作物の場所またはその周辺に存在する可能性のある少なくとも1つの有害生物を示す領域データを受信する;
・前記処理手段を介して、データベースから、前記少なくとも1つの関連する有害生物を選択的に遺伝子型決定するのに適したセンサ構成を選択し、前記少なくとも1つの関連する有害生物は前記少なくとも1つの有害生物の中にあり、前記選択は、前記作物データおよび前記領域データに応答して実行される。
・処理手段において、作物の種類を示す作物データを受信する;
・処理手段において、作物の場所またはその周辺に存在する可能性のある少なくとも1つの有害生物を示す領域データを受信する;
・前記処理手段を介して、データベースから、前記少なくとも1つの関連する有害生物を選択的に遺伝子型決定するのに適したセンサ構成を選択し、前記少なくとも1つの関連する有害生物は前記少なくとも1つの有害生物の中にあり、前記選択は、前記作物データおよび前記領域データに応答して実行される。
さらなる例として、センサインターフェースを備える電子デバイスの処理手段によってプログラムが実行されると、電子デバイスに以下のことを実施させる命令を備えるコンピュータプログラムを提供することもできる:
・処理手段において、作物データを受信し、作物データは、作物のタイプを示す;
・領域データを処理手段で受信する;ここで、領域データは、作物サイトが位置する地域における1つ以上の有害生物の存在を示す;
・処理手段を使用して、データベースから、少なくとも1つの関連する有害生物を選択的に遺伝子型決定するのに適したセンサ構成を選択し、少なくとも1つの関連する有害生物は1つ以上の有害生物の中にあり、選択は、作物データおよび領域データに応答して実行される;
・センサインターフェースに接続されたセンサ構成をその場で使用して、作物現場から得られた環境サンプルを分析することによって、少なくとも関連する有害生物の遺伝子型を決定し、センサインターフェースにおいてセンサ構成を介して結果信号を生成する;
・処理手段を使用して、少なくとも1つの関連する有害生物が環境サンプル中に存在するかどうかを決定するために、結果信号を処理し、それによって、作物サイト上の少なくとも1つの関連する有害生物のいずれかの存在を、ポータブルデバイスを介して検出する。
・処理手段において、作物データを受信し、作物データは、作物のタイプを示す;
・領域データを処理手段で受信する;ここで、領域データは、作物サイトが位置する地域における1つ以上の有害生物の存在を示す;
・処理手段を使用して、データベースから、少なくとも1つの関連する有害生物を選択的に遺伝子型決定するのに適したセンサ構成を選択し、少なくとも1つの関連する有害生物は1つ以上の有害生物の中にあり、選択は、作物データおよび領域データに応答して実行される;
・センサインターフェースに接続されたセンサ構成をその場で使用して、作物現場から得られた環境サンプルを分析することによって、少なくとも関連する有害生物の遺伝子型を決定し、センサインターフェースにおいてセンサ構成を介して結果信号を生成する;
・処理手段を使用して、少なくとも1つの関連する有害生物が環境サンプル中に存在するかどうかを決定するために、結果信号を処理し、それによって、作物サイト上の少なくとも1つの関連する有害生物のいずれかの存在を、ポータブルデバイスを介して検出する。
さらに別の観点から見ると、本明細書で開示されるコンピュータプログラムを格納したコンピュータ可読データキャリアを提供することもできる。したがって、本明細書で開示される任意の方法ステップを適切な電子デバイスに実行させるプログラムを記憶する非一時的なコンピュータ可読媒体も提供することができる。
コンピュータ可読データキャリアは、本明細書で説明される方法または機能のうちの任意の1つまたは複数を実施する1つまたは複数の命令セット(たとえば、ソフトウェア)が格納される任意の適切なデータ記憶デバイスを含む。命令は、コンピュータ可読記憶媒体を構成することができるコンピュータシステム、メインメモリ、および処理デバイスによる命令の実行中に、メインメモリ内および/またはプロセッサ内に、完全にまたは少なくとも部分的に常駐することもできる。命令はさらに、ネットワークインターフェース装置を介して、ネットワーク上で送受信されてもよい。
本明細書で説明される実施形態のうちの1つまたは複数を実装するためのコンピュータプログラムは、他のハードウェアと一緒にまたはその一部として供給される光記憶媒体またはソリッドステート媒体などの適切な媒体上に記憶および/または配布することができるが、インターネットまたは他の有線もしくは無線電気通信システムなどを介して他の形態で配布することもできる。しかしながら、コンピュータプログラムはワールドワイドウェブのようなネットワーク上で提示することもでき、そのようなネットワークからデータプロセッサのワーキングメモリにダウンロードすることもできる。
別の観点から見ると、コンピュータプログラム要素をダウンロード可能にするためのデータキャリアまたはデータ記憶媒体も提供することができ、このコンピュータプログラム要素は、先に説明した実施形態の1つに従った方法を実行するように配置される。
単語「有する」は他の要素またはステップを排除するものではなく、不定冠詞「a」または「an」は複数を排除するものではない。単一のプロセッサまたはコントローラまたは他のユニットは、特許請求の範囲に列挙されるいくつかの項目の機能を満たすことができる。特定の手段が相互に異なる従属請求項に記載されているという単なる事実は、これらの手段の組み合わせが有利に使用されることができないことを示すものではない。特許請求の範囲におけるいかなる参照符号も、範囲を限定するものとして解釈されるべきではない。
以下、添付図面を参照して実施形態を説明する。
作物フィールドに配備されたポータブル電子デバイスのブロック図表現を示す。
検出の目標アプローチを説明するためのスペクトルスケッチを示す。
センサ構成選択方法のフローチャートを示す。
選択後に実施した選択的遺伝子型タイピングのフローチャートを示す。
図1は、本教示のいくつかが適用されるシナリオを示すブロック図100を示す。非限定的な意味として、陸上の地理的エリアを表す地上地理的セクション101が示されている。区画101には、植物103を含む作物が植え付けられている。作物、つまり植物103は、境界102a-dによって定義される、地理的エリアであるフィールド102に植えられる。フィールド102の左側102dには、フィールド102上の植物103とは異なる別の植物104を含む別の作物が植え付けられて示されている。本教示の1態様による検出システム105は、フィールド102上のサイト106aに配置されて示されている。検出システム105の1例をより詳細に示すサイト106aのズームインビュー106bも示されている。検出システム105は、ハンドヘルドデバイスとして示される電子デバイス109を備える。検出システム105はまた、複数のセンサまたはセンサ構成112を含み、これらは、例えば、キット110に格納されてもよい。センサ112のいずれも、例えば、選択されたセンサまたはセンサ構成113を、センサインターフェースを介して電子デバイス109に接続することができる。センサインターフェースは、無線または有線とすることができる。電子デバイス109はヒューマンマシンインターフェース(「HMI」)を含み、ここでは、スタイラス114と、ユーザがデバイス109と対話するためのディスプレイ111とを含むように示されている。HMIは、ラウドスピーカのようなオーディオ装置を含んでいてもよい。電子装置109はまた、処理手段またはコンピュータプロセッサを備える。
検知装置105、またはより具体的には、電子装置109は、位置情報を受信するための地理的位置手段または地理的位置モジュールを含むことができる。位置データは、サイト106aの地理的位置を表す。例えば、デバイス109は、1つまたは複数の衛星118を介して位置データを受信することができる。GPSおよびGALILIOのようなジオロケーションシステムは例えば装置109内に、および/またはセンサ112、113内に統合することができるモジュールとして利用可能である。代替的に、または追加的に、位置データは、1つ以上のセルラーネットワーク109から取得されてもよい。代替的に、または追加的に、位置データは、1つまたは複数の無線局またはビーコン120a~bから取得される。システム105または好ましくは電子デバイス109は例えば、セルラーネットワーク119とのデータ接続129を介して、および/または無線局120aおよび/または120bのいずれかとの無線接続を介して、少なくとも1つのネットワークに接続することができる。
システム105または装置109はまた、少なくとも1つのデータベース115への機能的接続125を有する。場合によっては、データベース115が少なくとも部分的に、ローカルデータベース、すなわち、システム115のメモリ内、またはより具体的には装置109のメモリ内に含まれていてもよい。このような場合、データベース接続は、少なくとも部分的にシステム105または装置106の内部にある。場合によっては、データベース115が少なくとも部分的には遠隔データベース、すなわち、システム105の場所106aと比較して他の場所に位置することができる。このような場合、データベース接続125は、少なくとも部分的にシステム105の外部にある。したがって、データベース接続125は、セルラネットワーク119および/または1つ以上の無線局102a、bを介して確立されることができる。少なくとも1つのデータベース115は、少なくとも部分的にクラウドサービス116上にあってもよい。場合によっては、外部データベース接続125は試験場所106aから離れて設置することができる。これは、セルラーネットワークやワイヤレス接続をテストサイトから実施できない場合などに関連する。このような場合、データベース115は、ネットワーク接続が利用可能なときに遠隔データベースと同期可能な内部データベースとすることができる。同期は、セルラ接続129および/または利用可能な場合は無線ネットワーク120を介して直接実施されてもよく、または同期はサーバ117への接続127によって間接的に実施されてもよい。場合によってはサーバ接続127は装置109とサーバ117との間の有線接続であるが、他の場合には例えば、データ接続129または無線120を介した無線接続であってもよい。場合によってはリモートデータベース115が少なくとも部分的にサーバ117上に存在してもよく、あるいはサーバ117も、別の場所に存在するリモートデータベース115へのアクセスを提供してもよい。
装置105が作物現場、例えば現場106aに配備されると、処理手段は作物のタイプ、すなわち植物103のタイプを示す作物データを受け取る。作物データは例えばHMIを使用してユーザによって入力されてもよく、および/または作物センサを介して自動的に、および/または以前の測定を介して取得されてもよい。作物センサは例えば、画像認識システムの一部であってもよい。処理手段はまた、作物103の位置またはその周辺に存在し得る少なくとも1つの有害生物を示す領域データを受け取る。この目的のために、領域データは、フィールド102のある距離内にどの生物が存在するか、または存在していたかに関する情報を提供することができる。場合によっては、領域データがサーバ117、および/またはデータベース115、および/またはセルラネットワーク119、および/または無線ネットワーク120から少なくとも部分的に取得されてもよい。領域データは、位置データを含んでもよい。場合によっては、領域データは1つ以上のパブリックデータベースまたはインターネットサービスから入手できる。領域データは気象データ、例えば、風の強さおよび方向131を含んでもよい。
感染領域140が、フィールド102の上流の風131の経路の間にある場合、感染した植物130からの有害な生物が作物103の少なくとも一部に輸送された確率が高くなる。したがって、有害生物の検出の関連性について評価されるべきフィールド102の特定の距離は、風131またはその履歴などの一般的な条件にしたがって適合される。
場合によっては、他の作物104が別の有害生物に感染したことがあるかもしれない。そのような場合、領域データは、別の有害生物に関連する情報も含むことができる。しかし、別の有害生物が作物植物103に感染しない可能性はある。したがって、他の作物104のみに影響を及ぼす、またはより具体的には、作物103に影響を及ぼさない、別の有害な生物について作物103を処理することは役に立たない可能性がある。このような生物は、作物103にとって無関係な有害生物と考えることができる。
同様に、作物103に有害な他の生物が存在し得るが、このような生物はフィールド102の特定の距離内、またはサイト106a内でさえ検出されていない。したがって、そのようなさらなる生物を検出することも理にかなっていないことがある。このような生物は、作物103にとって無関係な有害生物と考えることもできる。
本教示によれば、作物データを領域データと組み合わせることによって、処理手段は、作物データおよび領域データの両方が同じ有害生物を示す場合、関心のある有害生物、または少なくとも1つの関連する有害生物を自動的に決定することができる。領域データによって示される少なくとも1つの有害生物が、作物に影響を及ぼし得る生物に対応しない場合、少なくとも1つの有害生物のいずれも関連する有害生物ではなく、したがって、検出を実施する必要がないことが理解されるであろう。同様に、領域データによって示される少なくとも1つの有害生物のすべてが、作物に影響を及ぼし得るそれぞれの生物に対応する場合、少なくとも1つの有害生物のすべてが、関連する有害生物であり、したがって、検出のために推奨される。したがって、作物データと領域データとを組み合わせることによって少なくとも1つの関連する有害生物が示された場合、処理手段は、1つまたは複数のセンサを備えるセンサ構成を自動的に選択することができ、センサのそれぞれは、センサ構成内の他のセンサが検出することができる生物とは異なる、対象となる特定の個々の生物を検出するように標的化される。したがって、関心のある生物または関連生物を検出するために最適化されたセンサ構成を決定することが可能になる。ユーザは、生物、作物、またはそれらの検出の専門家である必要もない。
選択されたセンサ構成113が検出を実行するために使用されるとき、装置109は、サンプリングプロセスを通じてHMIを介してユーザをガイドすることができる。サンプリングプロセスは、検出される作物および/または関連生物に応じて異なってもよい。サンプリングプロセスは、選択されたセンサ構成113に依存してもよい。したがって、ユーザは、専門家または生物学者である必要はない。また、上記で説明した方法は自律プロセスとして実施するのに適しており、例えば、システム105はセンサ構成113を自動的に選択した後、構成113を処理ユニットにインターフェースし、サイト106aから1つまたは複数の環境サンプルを取得し、環境サンプルを選択的に遺伝子型決定し、センサ構成を介して結果信号を生成し、処理手段を使用して結果信号を処理して、作物サイト106aから取得した環境サンプル中に1つまたは複数の有害生物が存在するかどうかを判定するロボットシステムであってもよいことも理解されよう。次いで、ロボットシステムは、別のサイトでの検出のために別のサイトを選ぶことができる。したがって、本教示は、ユーザによって操作されるポータブルデバイスによって実行される検出、または少なくとも部分的に自律的なプロセスによって実行される検出の両方に適している。
あるサイトで検出された有害生物の陽性検出に応じて、処理手段は、有害生物を制御するための好適な処置を決定する。2つ以上の関連する有害生物がサイトで検出された場合、処理手段は、サイト上の2つ以上の有害生物を治療するために最適化された治療を決定することができる。これは、各有害生物を別々に処理するのではなく、生物を制御するための量および数または活性成分を最小限にするのに役立つ。このような治療の最適化は、未経験のユーザにとっても重要な利点となり得る。したがって、これは、コストおよび環境上の利点を有することができる。処理は例えば、感染した植物に特定の活性成分またはその混合物を噴霧することを含む噴霧プログラムである。したがって、処理手段は、作物および生物に応じて適した処理を選択することができる。さらに、処理手段は、天候および/または季節に応じて最適化された適切な処理を選択することさえできる。システム105または装置109は、適切な治療製品の名前、製品を使用する治療の開始時間、投入量、適用量、製品の適用回数、またはサイトまたは隣接サイトからの1つまたは複数の結果信号に依存する治療製品の組み合わせのいずれかを含むことができる治療プロセスを通してユーザを案内することもできる。製品の適用が多すぎるか、または少なすぎる危険を冒すのではなく、ユーザは、1つまたは複数の結果信号からの結果データにしたがって最適化された適用を介して誘導することができる。この場合も、ユーザを案内するのではなく、結果データ、さらには位置データに応答して、上で概説したのと同様に動作する自律治療システムを使用することもできることを理解されたい。処理システムは同じシステム105であってもよいし、少なくとも1つの無人機166のような別個のシステムであってもよい。無人機166は、1つまたは複数の衛星118から位置シグナル138を取得するジオロケーションモジュールなどの位置検知手段を備えることもできる。無人機はシステム105に関して先に説明したように、検出システム105を介して、またはセルラーネットワーク119または無線ネットワーク120を介して位置データを取得することもできる。
図1には、作物植物103の感染部分150も示されている。部分150は、感染領域140から風131によって運ばれた病原体によって感染した可能性がある。このような部分150は例えば、複数の作物サイトからの結果信号を組み合わせることによって決定/検出することができる。結果信号をそれぞれのサイトの位置データとさらに組み合わせることによって、1つまたは複数の関連生物の地理的分布を表す地図を得ることができる。感染部分150は、部分150に存在する生物のホットゾーンと呼ばれることもある。このような地図は、ホットゾーン150内、および場合によってはその周辺の感染植物の標的化処理に有用である。その後の検出は治療および/または広がりの有効性を追跡するために、フィールド102上の同じまたは類似のサイトで実施できる。したがって、さらなる処理を最適化することができる。これはまた、制御されて検出される有害な生物に応答する処置を回避することによって、費用および生態学的利点を有する。これらの利点は頻繁かつ高密度の測定が可能となるように、迅速な方法で標的検出を実施することを可能にすることによって、相乗的に関連付けられる。
場合によっては、1つまたは複数のセンサがシステム105内で利用可能でない場合、または将来計画される検出のために使い果たされることが予想される場合に、システム105は選択されたセンサ構成内の1つまたは複数のセンサの順序を自動的に配置する。場合によっては、検出された1つまたは複数の関連する有害生物を制御するために必要に応じて、システム105が治療製品を自動的に注文することができる。
図2は、本教示において提案される、選択および生物の検出のための標的アプローチの記号表現200を示す。生物ゲノム250の全スペクトルに沿って、異なる生物がスペクトルの異なる場所に存在し得る。生物スペクトルは作物103に影響を及ぼすことができる生物、例えば、生物の第1グループ201および生物の第2グループ202を含むことができる。さらに、作物103に影響を及ぼすことができない生物の第3グループ203が存在し得る。生物201および203が作物103またはフィールド102の位置またはその周辺に存在し得ることを領域データが示す場合、処理手段は作物データを領域データと組み合わせることができ、その結果、生物203を検知範囲から自動的に除外することができる。その結果、処理手段は、検知のために第1生物群201のみを選択する。したがって、それらを関連する有害生物と定義する。したがって、第2グループの生物202も、これらの生物が作物の位置またはその周辺に存在しないので、無関係な生物として検出の範囲から除外される。したがって、処理手段は作物データおよび領域データに応答して、データベース115から、関連する有害生物201a~dを選択的に遺伝子型決定するのに適したセンサ構成113を選択する。グループという用語は、単一の生物を意味してもよく、生物のグループである必要はないことが理解されるであろう。したがって、それぞれの特異的な生物は検知の範囲を定義するために、処理手段によって関連性についてチェックされてもよい。検出範囲とは、作物データと領域データとを組み合わせることによって、処理手段によって検出のために選択された生物を意味する。したがって、センサ構成113は、これらの選択された生物を選択的に遺伝子型決定することができるように選択される。
図3は、センサ構成を選択するためのフローチャート300を示す。最初のステップ301では、作物データが処理手段において受信される。作物データは作物の種類を示す。例えば、作物データは、作物植物103が小麦であることを示す。作物データは作物のタイプをさらに指定することができる。例えば、作物植物103がデュラムコムギのタイプであることを示す。次のステップ302で、領域データが処理ユニットにおいて受信される。領域データは、作物の位置106aまたはその周辺に存在し得る少なくとも1つの有害生物を示す。次の工程303において、処理手段は、作物データおよび領域データに応じて、データベース115からセンサ構成113を選択する。センサ構成は、少なくとも1つの関連する有害生物を選択的に遺伝子型決定するのに適している。当然のことながら、最初のステップ301および後続のステップ302のシーケンスは、交換されてもよい。処理手段は、依然として、作物データと領域データとを組み合わせることによって、データベース115からセンサ構成113を選択することができる。任意の後続のステップ304では、選択されたセンサ構成113に関する情報がグラフィックディスプレイなどのHMIを介して出力される。
フローチャート300は、処理手段と、センサ構成113を処理装置に機能的に接続するためのセンサインターフェースとを備える好適な電子装置109上に実装することができる。これにより、検出システム105を実現することができる。
図4は例えば、第1フローチャート300のステップ301~303に続くことができる別のフローチャート400を示す。ステップ304は、随意的に存在してもよい。第1次のステップ401では、センサインターフェースにおいて機能的に接続されたセンサ構成113を使用して、環境サンプルの選択的遺伝子型タイピングが実行される。環境サンプルは作物サイト106aから得られる。結果信号は、センサ構成113を介して選択的遺伝子型決定を実行することによって、センサインターフェースにおいて生成される。さらなる次のステップ402において、結果信号は1つ以上の関連する有害生物が環境サンプル中に存在するかどうかを決定するために、処理ユニットによって処理される。したがって、電子デバイス109は、1つまたは複数の関連する有害生物のいずれかが作物サイト106a上に存在するかどうかを検出することができる。任意のさらなる工程403として、処理手段はまた、結果信号から、少なくとも1つの良性生物が環境サンプル中に存在するかどうかを決定する。この決定は処理手段によって生成された処理結果信号の形態であり、この処理結果信号は環境サンプル中の1つ以上の生物の存在を示す。さらなる任意選択のステップとして、ステップ403の有無にかかわらず、処理手段は、処理された結果シグナルと、環境サンプルが収集された作物サイト106aの位置データとを組み合わせることによって、現場結果データを生成する。また、任意選択で、複数のサイト上で実行された検出から収集された処理済み結果信号を使用して、複数のサイトによってカバーされる地理的エリア上の1つまたは複数の関連生物のいずれかの広がりを表すマップを生成することができる。さらなる任意選択のステップでは、適切なサンプリングステップ、処理、およびさらなる測定のために決定を実施できる。任意選択的に、ユーザはステップの各々または全てを通して案内されることができ、または更に任意選択的に、自律的な方法で実施されることができる。
オンサイト検出に適した方法、オンサイト検出のための電子デバイス、および本明細書で開示される関連する方法ステップのいずれかを実施するコンピュータソフトウェア製品について、様々な例が上記で開示されている。しかし、当業者であれば、添付の特許請求の範囲およびその均等物の趣旨および範囲から逸脱することなく、これらの実施例に変更および修正を加えることができることを理解するであろう。さらに、本明細書で説明される方法および製品の実施形態からの態様は、自由に組み合わせることができることが理解されるであろう。
Claims (15)
- コンピュータによって実現される方法であって、
・処理手段において、作物のタイプを示す作物データを受信するステップ;
・前記処理手段において、前記作物の場所またはその周辺に存在する可能性のある少なくとも1つの有害生物を示す領域データを受信するステップ;
・前記処理手段を用いて、データベースから、少なくとも1つの関連する有害生物を選択的に遺伝子型決定するのに適したセンサ構成を選択するステップであって、前記少なくとも1つの関連する有害生物は前記少なくとも1つの有害生物のなかのものであり、前記選択は、前記作物データおよび前記領域データに応答して実行される、ステップ;
を有する方法。 - 前記センサ構成は、前記少なくとも1つの関連する有害生物を現場で遺伝子型分類するのに適している、請求項1に記載の方法。
- 前記方法は殺虫剤耐性を示すDNA配列を検出するために適用され、前記センサ構成は前記殺虫剤耐性を示す前記DNA配列を検出するように構成される、請求項1または2記載の方法。
- 前記方法は、前記処理手段に対して機能的に結合されたヒューマンマシンインターフェースを介して、前記適切なセンサ構成に関する情報を出力するステップを有する、請求項1から3のいずれか1項記載の方法。
- 前記方法は、
センサインターフェースにおいて接続された前記センサ構成を現場で使用して、作物サイトから得られた環境サンプルからの前記少なくとも1つの関連する有害生物の遺伝子型決定を実行し、前記センサインターフェースにおいて前記センサ構成を介して結果信号を生成するステップ;
前記処理手段を使用して、前記結果信号を処理することにより、前記少なくとも1つの関連する有害生物の1つ以上が前記環境サンプル中に存在するかどうかを判定するステップ;
をさらに有する、
請求項1から4のいずれか1項記載の方法。 - 前記方法は、前記処理手段を使用して、前記結果信号を処理することにより、前記少なくとも1つの良性生物が前記環境サンプル中に存在するかどうかを決定するステップを有する、請求項5記載の方法。
- 前記方法は、
前記処理手段を使用して、前記処理された結果信号と、前記環境サンプルが収集された前記作物サイトの前記位置データとを組み合わせることによって、現場結果データを生成するステップ;
前記現場結果データを少なくとも1つのデータベースに格納するステップ;
複数の前記現場結果データからのデータを組み合わせて、前記1つ以上の関連する生物のいずれかの領域広がりを表すフィールドマップを取得するステップ;
を有する、
請求項5または6記載の方法。 - 前記方法は、前記処理手段を介して前記フィールドマップを分析することによって、別の測定または検出が必要とされる少なくとも1つのサイトを決定するステップを有する、請求項7記載の方法。
- 前記方法は、前記処理手段を用いて、前記作物データ、前記領域データ、および前記選択されたセンサ構成のいずれかに応じて、前記環境サンプルを収集するためのサンプリング方法を決定するステップを有する、
請求項5から8のいずれか1項記載の方法。 - 前記方法は、前記結果信号または前記処理された結果信号に応じて、前記作物サイトに存在する前記少なくとも1つの関連する有害生物のうち少なくとも1つを制御するための処理方法を決定するステップを有する、
請求項5から9のいずれか1項記載の方法。 - 前記方法は、前記処理手段を介して前記フィールドマップを分析することにより、前記作物サイトに存在する少なくとも1つ以上の有害生物を制御するための処置方法を決定するステップを有する、
請求項7から10のいずれか1項記載の方法。 - 前記方法は、前記処理手段を使用して、前記処置方法に関する情報を前記ユーザに対して推奨として提供するステップを有する、請求項11記載の方法。
- 前記方法は、前記処置s方法にしたがって処置を実施して、前記作物サイトにおいて検出された前記少なくとも1つの関連する有害生物のうち少なくとも1つを制御するステップを有する、
請求項11または12記載の方法。 - 請求項1から13のいずれか1項記載の方法を実行するように構成された電子デバイスであって、前記電子デバイスは前記処理手段を備える、電子デバイス。
- 電子装置の前記処理手段によって実行されると、前記電子装置に請求項1から13のいずれか1項記載の方法を実行させる命令を有する、コンピュータプログラム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19208777.3A EP3822976A1 (en) | 2019-11-13 | 2019-11-13 | Crop monitoring and protection |
EP19208777.3 | 2019-11-13 | ||
EP20174872 | 2020-05-15 | ||
EP20174872.0 | 2020-05-15 | ||
PCT/EP2020/080623 WO2021094115A1 (en) | 2019-11-13 | 2020-11-02 | Crop monitoring and protection |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023501123A true JP2023501123A (ja) | 2023-01-18 |
Family
ID=73014534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022523646A Pending JP2023501123A (ja) | 2019-11-13 | 2020-11-02 | 作物の監視と保護 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220386583A1 (ja) |
EP (1) | EP4059022A1 (ja) |
JP (1) | JP2023501123A (ja) |
CN (1) | CN114730614A (ja) |
WO (1) | WO2021094115A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023532979A (ja) * | 2020-07-06 | 2023-08-01 | ビーエーエスエフ ソシエタス・ヨーロピア | タンパク質設計及び最適化の媒体、方法、及びシステム |
CN114419407B (zh) * | 2021-12-14 | 2024-04-05 | 中国农业大学 | 一种用于移栽作物苗期的行内杂草自动识别方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015132208A1 (en) * | 2014-03-03 | 2015-09-11 | Avia-Gis | Method for the profiling of pests and for the determination and prediction of associated risks and means for adapted pest control |
WO2017205957A1 (en) * | 2016-06-01 | 2017-12-07 | 9087-4405 Quebec Inc. | Remote access system and method for plant pathogen management |
EP3287007A1 (de) * | 2016-08-24 | 2018-02-28 | Bayer CropScience AG | Bekämpfung von schadorganismen auf basis der vorhersage von befallsrisiken |
WO2019149626A1 (de) | 2018-02-02 | 2019-08-08 | Bayer Aktiengesellschaft | Bekämpfung resistenter schadorganismen |
-
2020
- 2020-11-02 CN CN202080078162.0A patent/CN114730614A/zh active Pending
- 2020-11-02 EP EP20797137.5A patent/EP4059022A1/en active Pending
- 2020-11-02 JP JP2022523646A patent/JP2023501123A/ja active Pending
- 2020-11-02 US US17/775,971 patent/US20220386583A1/en active Pending
- 2020-11-02 WO PCT/EP2020/080623 patent/WO2021094115A1/en unknown
Also Published As
Publication number | Publication date |
---|---|
EP4059022A1 (en) | 2022-09-21 |
CN114730614A (zh) | 2022-07-08 |
WO2021094115A1 (en) | 2021-05-20 |
US20220386583A1 (en) | 2022-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Paez-Garcia et al. | Root traits and phenotyping strategies for plant improvement | |
CN114207672B (zh) | 部署生物哨兵到农田并远程监测作物中生物和非生物胁迫的方法 | |
Francesconi et al. | UAV-based thermal, RGB imaging and gene expression analysis allowed detection of Fusarium head blight and gave new insights into the physiological responses to the disease in durum wheat | |
Chaerle et al. | Early detection of nutrient and biotic stress in Phaseolus vulgaris | |
Kestel et al. | Applications of environmental DNA (eDNA) in agricultural systems: Current uses, limitations and future prospects | |
JP2023501123A (ja) | 作物の監視と保護 | |
Day | Engineering advances for input reduction and systems management to meet the challenges of global food and farming futures | |
Reich et al. | Predicting field diseases caused by Sclerotinia sclerotiorum: A review | |
WO2022200601A1 (en) | Computer-implemented method for determining a treatment schedule based on a soil-related sustainability score as technical indicator for carbon farming potential of an agricultural field or a sub-field zone | |
Birkhofer et al. | Effects of ground cover management on biotic communities, ecosystem services and disservices in organic deciduous fruit orchards in South Africa | |
EP3822976A1 (en) | Crop monitoring and protection | |
Caseys et al. | Quantitative interactions drive Botrytis cinerea disease outcome across the plant kingdom | |
Hesler et al. | Laboratory Evaluation of Soybean Plant Introductions for Resistance to Aphis glycines (Hemiptera: Aphididae) 1 | |
Ghaffar et al. | Modern concepts and techniques for better cotton production | |
Young et al. | Agricultural Research Service Weed Science Research: Past, Present, and Future | |
Byrne et al. | Combating Rose rosette disease US national project | |
Marchand et al. | Epidemiology and population dynamics: modelisation, monitoring and management | |
Carroll | Spatial distribution of the green peach aphid, Myzus persicae (Sulzer), and management applications in seed potato | |
Gao | Genetics of resistance to Fusarium crown rot in barley and pan-genome sequence anchors of this species | |
für Kulturpflanzen | 13th Young Scientists Meeting Conference | |
Tiwari et al. | High-Throughput Phenotyping in Potato Breeding | |
KHABIR | Unnamed Article | |
Clarke et al. | Report Authors (Agriculture Victoria Research) | |
Raja et al. | Machine Learning in Smart Agriculture | |
Kanika et al. | Artificial Intelligence... Application in Agriculture |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231101 |