skip to Main Content

מלכודות עש משדרות חלק א': טכנולוגיה חדשה לחקלאות מדייקת

מלכודות עש משדרות הן טכנולוגיה חדשה יחסית, המציעה מספר יתרונות על פני מלכודות עש ידניות וביניהם יתרון העדכון בזמן אמת על בסיס יומי/ עם זיהוי תנועה, מיקום מלכודות בהתאם לצרכי ניטור (ולא בהכרח לפי נוחות הגישה) וחסכון בנטרים. בדומה למלכודות ידניות, גם המלכודות המשדרות מושכות אליהן את העשים על ידי פרומון המין הנקבי ולוכדות את הזכרים הבוגרים על לוח דביק, אולם מלכודות אלו כוללות בנוסף:
– מצלמה מובנית, המאפשרת לאתר את העשים שנלכדו ולהקליט את התמונות שלהם
– תוכנה מתקדמת לעיבוד ניתוח תמונות המבוססת על למידת מכונה
– רכיב תקשורת אלחוטית כגון Wi-Fi או רשתות סלולריות לשידור המידע
טווח המחירים למלכודת עש משדרת אחת נע בין 500 ל-1,000 דולר. המחיר תלוי בגודל המלכודת, בסוג המצלמה המובנית ובתכונות נוספות כגון חיישן תנועה או מערכת ניטור מרחוק.

שתי היצרניות המרכזיות של מלכודות משדרות בעולם הן Trapview אשר יצאה לשוק בשנת 2013. המערכת מופעלת על ידי שתי סוללות ליתיום-יון (קיבולת 2.2 Ah) ופאנל סולארי של 4 וואט. המלכודת מכילה ארבע מצלמות 5 מגה-פיקסל לצילום הנייר הדביק ומאפשרת מקסימום שלוש תמונות ביום, 100–200 מגה-בייט בחודש. תקשורת GPRS מחברת את המצלמות לשרת הענן בעוד ותקשורת GPS מספקת מידע על מיקום המלכודת למטרות מיפוי.
מלכודת iSCOUT (תמונה 1) מופעלת על ידי סוללת עופרת נטענת (קיבולת 12 Ah) ומצוידת במצלמת 10 מגה פיקסל. התמונות נשלחות דרך רשת LTE שם תוכנה מבוססת בינה מלאכותית מנתחת אותן.

השימוש הראשון במלכודת משדרת נעשה בשנת 2009 בקליפורניה, ארצות הברית ללכידת עש התפוח. ניסויים באזור הראו כי המלכודות המשדרות יעילות לקביעת מועדי ריסוסים. נכון לשנת 2023, חברת Agrinet המייצרת מלכודות עש משדרות מדווחת על שימוש במלכודות בהיקף של 50,000 ברחבי ארצות הברית, 25,000 באירופה. חברת Trapview מדווחת כי היקף השימושים במלכודות המשדרות שלהן הביא לחסכון של יותר מ-45,000 שעות עבודה ו-118 מיליון יורו. מספרים אלו צפויים לצמוח בשנים הקרובות, ככל שתגבר המודעות ליתרונות של טכנולוגיה זו.

בישראל, במחקר שנעשה ע" מינהל המחקר החקלאי בשיתוף מועצת הצמחים, נבחנו יעילותן של מלכודות משדרות בשנים 2014-2015. אחת ממסקנות הניסוי הייתה כי משטר ריסוסים על סמך נתונים יומיים יכול לחסוך עד 20% מהריסוסים. מחקר זה התפתח לכדי שיתוף פעולה עם חברת אגרינט ליצירת המלכודת המשדרת כחול-לבן הראשונה. מלכודת זו מנטרת את חדקונית הדקל בעזרת חיישן ססמי המזהה רעידות (ולא באמצעות רכיב אופטי) ואף מצליחה לנטר זבוב פירות בהדרים בהצלחה של 96%. מלכודות אלו נמכרו בשנת 2023 בהיקפים של כ-20,000 מלכודות.

מעבר למלכודות הססמיות, השנה לראשונה נבחנות בישראל מלכודות משדרות אופטיות. כחלק ממיזם הזבוב של השירותים להגנת הצומח במשרד החקלאות, שטחי תל פארס נבחרו להיכלל ב"מודל לחקלאות סביבתית" בהובלת החברה לחקלאות בגליל העליון. לצורך קידום הדברה מדייקת באזור נתלו מלכודות משדרות במטעי אפרסק ונקטרינה לניטור עש המשמש (אנרסיה). במקביל לתלייה זו, ההתארגנות האזורית כנגד האנרסיה מטעם היחידה לחקלאות וחדשנות גולן בהובלת משה גלבנד המשיכה באיסוף נתוני ניטור העש במלכודות ידניות מקיבוץ גשור בדרום הרמה ועד לתל פארס.

בחלק ב' של כתבה זו נשווה בין הלכידות במלכודות הידניות לעומת אלו שהתקבלו מהמלכודות המשדרות, אשר נמצאות זו לצד זו ב-7 חלקות שונות באזור תל פארס (איור 2).

איור 2 שבע החלקות אשר נוטרו בשתי מלכודות – משדרת וידנית, משקים רמת מגשימים ויונתן 2023. מיפוי המלכודות נעשה בשיתוף אסף אייזיק, רכז GIS ביחידה לחקלאות וחדשנות גולן.

כתבה זו נכתבה בעזרת תוכנות בינה מלאכותית ועל סמך המקורות הבאים:

Schrader, M.J.; Smytheman, P.; Beers, E.H.; Khot, L.R. An Open-Source Low-Cost Imaging System Plug-In for Pheromone Traps Aiding Remote Insect Pest Population Monitoring in Fruit Crops. Machines 2022, 10, 52. https://doi.org/10.3390/machines10010052
Qing, Y.A.; Jin, F.E.; Jian, T.A.; Xu, W.G.; Zhu, X.H.; Yang, B.J.; Jun, L.Ü.; Xie, Y.Z.; Bo, Y.A.; Wu, S.Z.; et al. Development of an automatic monitoring system for rice light-trap pests based on machine vison. J. Integr. Agric. 2020, 19, 2500–2513.
Lounghlin, D. Developments in the world of insect detection. Int. Pest Control 2013, 55, 88–90.
Roosjen, P.P., Kellenberger, B., Kooistra, L., Green, D.R. and Fahrentrapp, J. (2020), Deep learning for automated detection of Drosophila suzukii: potential for UAV-based monitoring. Pest Manag Sci, 76: 2994-3002. https://doi.org/10.1002/ps.5845
Albanese, A., d’Acunto, D., & Brunelli, D. (2020). Pest detection for precision agriculture based on iot machine learning. In Applications in Electronics Pervading Industry, Environment and Society: APPLEPIES 2019 7 (pp. 65-72). Springer International Publishing.
https://trapview.com/
Preti, M., Verheggen, F. & Angeli, S. Insect pest monitoring with camera-equipped traps: strengths and limitations. J Pest Sci 94, 203–217 (2021)

כתבה:
אביטל כי טוב – רכזת הגנת הצומח, היחידה לחקלאות וחדשנות גולן
טלפון – 052-8348409
אימייל – Avitalk@gri.org.il

Back To Top