Αισθητήρες, τεχνητή νοημοσύνη, ψεκασμοί ακριβείας και ρομπότ υπεριώδους ακτινοβολίας διευρύνουν τις επιλογές φυτοπροστασίας. Οι εφαρμογές στο εξωτερικό, τα βήματα στην Ελλάδα και οι προϋποθέσεις για ουσιαστική αξιοποίηση.
Η μάχη με τις ασθένειες του αμπελώνα αρχίζει πλέον και στην οθόνη ενός υπολογιστή. Μετεωρολογικά δεδομένα, αισθητήρες και κάμερες τροφοδοτούν συστήματα που βοηθούν τον αμπελουργό να εκτιμήσει τον κίνδυνο προσβολής και να οργανώσει τις επεμβάσεις του. Παράλληλα, νέος εξοπλισμός επιτρέπει πιο στοχευμένους ψεκασμούς, ενώ σε αμπελώνες της Καλιφόρνιας αυτόνομα ρομπότ χρησιμοποιούν υπεριώδες φως για την αντιμετώπιση του ωιδίου.
Οι τεχνολογίες αυτές παρεμβαίνουν σε διαφορετικά στάδια της φυτοπροστασίας: στην πρόβλεψη, στην αναγνώριση και στην αντιμετώπιση μιας ασθένειας. Η αξία τους βρίσκεται στον συνδυασμό αυτών των λειτουργιών, ώστε η επέμβαση να γίνεται με καλύτερη πληροφόρηση, στον κατάλληλο χρόνο και με μεγαλύτερη ακρίβεια.
Από την εκτίμηση κινδύνου στην έγκαιρη αναγνώριση
Τα συστήματα υποστήριξης αποφάσεων αξιοποιούν μετεωρολογικές παραμέτρους και μοντέλα ανάπτυξης ασθενειών για να εκτιμήσουν πότε οι συνθήκες ευνοούν μια μόλυνση. Στόχος είναι να βοηθήσουν τον παραγωγό και τον γεωπόνο να προγραμματίσουν τη φυτοπροστασία με βάση τον κίνδυνο και τις συνθήκες του αγροτεμαχίου.
Σε αυτό το πεδίο κινήθηκε το ευρωπαϊκό έργο NOVATERRA, στο οποίο η ελληνική AGENSO συμμετείχε στην ανάπτυξη συστήματος υποστήριξης αποφάσεων για ασθένειες και εχθρούς σε αμπελώνες και ελαιώνες. Η προσέγγιση συνδυάζει δεδομένα εικόνας με μοντέλα πρόβλεψης μολύνσεων, συνδέοντας την παρακολούθηση της καλλιέργειας με τον σχεδιασμό των επεμβάσεων.
Παράλληλα, κάμερες και αλγόριθμοι τεχνητής νοημοσύνης χρησιμοποιούνται για την αναγνώριση ενδείξεων προσβολής. Χρειάζεται, ωστόσο, μια ουσιαστική διάκριση: η εκτίμηση ότι οι συνθήκες ευνοούν μια ασθένεια δεν αποτελεί διάγνωση, ενώ μια ένδειξη καταπόνησης στην εικόνα δεν προσδιορίζει από μόνη της την αιτία. Η επιτόπια παρατήρηση και η γεωπονική αξιολόγηση παραμένουν κρίσιμοι κρίκοι της διαδικασίας.
Μεγαλύτερη ακρίβεια στην εφαρμογή
Η καλύτερη πληροφόρηση αποκτά πρακτικό αντίκρισμα όταν συνδέεται με τον εξοπλισμό εφαρμογής. Οι ψεκασμοί ακριβείας επιδιώκουν να προσαρμόσουν την επέμβαση στη βλάστηση και στον στόχο, περιορίζοντας τις άσκοπες απώλειες ψεκαστικού υγρού.
Στο ευρωπαϊκό έργο OPTIMA, με συμμετοχή του Γεωπονικού Πανεπιστημίου Αθηνών, αναπτύχθηκαν και δοκιμάστηκαν τεχνολογίες πρόβλεψης και αναγνώρισης ασθενειών, μαζί με βελτιώσεις στον ψεκαστικό εξοπλισμό. Αισθητήρες και ηλεκτρονικά συστήματα αξιοποιήθηκαν για την εκτίμηση της φυλλικής επιφάνειας και την αποτελεσματικότερη εφαρμογή των φυτοπροστατευτικών προϊόντων.
Το ζητούμενο δεν είναι απλώς να μειωθεί η ποσότητα που εφαρμόζεται, αλλά να διατηρηθεί επαρκής προστασία με λιγότερες απώλειες. Μια μικρότερη κατανάλωση σκευάσματος δεν αποτελεί επιτυχία εάν συνοδεύεται από ανεπαρκή κάλυψη και μεγαλύτερες ζημιές στην παραγωγή.
Υπεριώδες φως απέναντι στο ωίδιο
Μια διαφορετική προσέγγιση δοκιμάζεται ήδη στην Καλιφόρνια. Το αυτόνομο ρομπότ Thorvald της νορβηγικής Saga Robotics κινείται ανάμεσα στις γραμμές και εφαρμόζει υπεριώδη ακτινοβολία UV-C στα πρέμνα, με στόχο τον μύκητα Erysiphe necator, που προκαλεί το ωίδιο.
Η ακτινοβολία προκαλεί βλάβες στο γενετικό υλικό του παθογόνου. Οι επεμβάσεις πραγματοποιούνται τη νύχτα, επειδή το μπλε φως ενεργοποιεί μηχανισμούς επιδιόρθωσης αυτών των βλαβών. Η εφαρμογή στο σκοτάδι επιτρέπει την καταστολή του μύκητα με κατάλληλα προσαρμοσμένες δόσεις, οι οποίες στις δημοσιευμένες δοκιμές δεν προκάλεσαν ενδείξεις φυτοτοξικότητας.
Το 2026, η Silver Oak δοκίμασε την τεχνολογία σε αμπελοτεμάχια Pinot Noir και Sauvignon Blanc, ενώ η Bonterra Organic Estates χρησιμοποίησε έξι ρομπότ σε περίπου 810 στρέμματα Chardonnay. Οι υπεύθυνοι των δύο επιχειρήσεων ανέφεραν θετικές εντυπώσεις από την αντιμετώπιση του ωιδίου. Και στις δύο περιπτώσεις, πάντως, είχαν προηγηθεί εφαρμογές φυτοπροστατευτικών προϊόντων στην αρχή της περιόδου, πριν ξεκινήσει το πρόγραμμα UV-C.
Οι δυνατότητες έχουν συγκεκριμένα όρια
Τα ερευνητικά αποτελέσματα δείχνουν γιατί κάθε τεχνολογία πρέπει να αξιολογείται για τη συγκεκριμένη ασθένεια και τις συνθήκες στις οποίες εφαρμόζεται. Σε μελέτη στο δυτικό Όρεγκον, την περίοδο 2020–2023, οι νυχτερινές εφαρμογές UV-C μείωσαν σημαντικά την εμφάνιση ωιδίου στα φύλλα. Στα σταφύλια, όμως, τα αποτελέσματα ήταν λιγότερο σταθερά μεταξύ των ετών, ενώ δεν καταγράφηκε στατιστικά σημαντική μείωση της σήψης από βοτρύτη.
Η κάλυψη αποτελεί επίσης καθοριστική παράμετρο: το φως πρέπει να φτάσει στην επιφάνεια όπου βρίσκεται το παθογόνο. Η πυκνότητα του φυλλώματος και η διάταξη των σταφυλιών επηρεάζουν επομένως το αποτέλεσμα. Η τεχνολογία εντάσσεται στη διαχείριση του αμπελώνα μαζί με τις καλλιεργητικές πρακτικές και τη συστηματική παρακολούθηση.
Η Ελλάδα δοκιμάζει νέες λύσεις
Η ελληνική αμπελουργία συμμετέχει σε αυτή την αναζήτηση, με συγκεκριμένα ερευνητικά και πιλοτικά παραδείγματα. Στο SmartVitiNet πραγματοποιήθηκαν επιδείξεις σε ελληνικούς αμπελώνες με συστήματα που συνδυάζουν μη επανδρωμένα αεροσκάφη, αισθητήρες, τεχνητή νοημοσύνη και εργαλεία υποστήριξης αποφάσεων για την παρακολούθηση της καλλιέργειας και την υποστήριξη στοχευμένων παρεμβάσεων.
Παράλληλα, το ελληνικό πιλοτικό πρόγραμμα του OpenAgri, με επικεφαλής την Eden Library και συμμετοχή επτά παραγωγών και ενός συμβούλου, εξετάζει τη χρήση καμερών τοποθετημένων σε ελκυστήρα για τον εντοπισμό ασθενειών και την υποστήριξη ψεκασμών ακριβείας. Οι πρωτοβουλίες αυτές τεκμηριώνουν ενδιαφέρον και διάθεση δοκιμής, χωρίς να αρκούν για να χαρακτηριστεί γενικευμένη η υιοθέτηση των νέων τεχνολογιών.
Εν κατακλείδι, η ουσιαστική πρόκληση είναι η μετάβαση από την επιτυχημένη επίδειξη στην καθημερινή λειτουργία. Για κάθε εκμετάλλευση, η επιλογή θα πρέπει να στηρίζεται στην αποτελεσματικότητα απέναντι στις ασθένειες, στην τεχνική υποστήριξη και στο συνολικό κόστος ανά στρέμμα. Εκεί θα κριθεί η πραγματική συμβολή της καινοτομίας: στην αξιόπιστη προστασία της παραγωγής, με πιο στοχευμένες επεμβάσεις και οικονομικό όφελος που μπορεί να μετρηθεί.
