Cây nho trông vẫn hoàn toàn khỏe mạnh: HyperBird đã thấy dấu bệnh trước mắt người vài ngày

Một lá nho có thể vẫn xanh và không có đốm bệnh nào nhìn thấy bằng mắt thường, nhưng bên trong mô lá, nhiễm bệnh đã bắt đầu làm thay đổi cách nó hấp thụ và phản xạ ánh sáng. HyperBird, hệ thống chụp hyperspectral mới do nhóm Cornell AgriTech và các cộng sự phát triển, được thiết kế để tìm chính những thay đổi nhỏ đó trước khi triệu chứng trở nên rõ ràng.

Trong nghiên cứu công bố trực tuyến ngày 8/9/2026 trên Plant Phenomics, nhóm của Jinhong Yu mô tả HyperBird như một robot chụp ảnh hyperspectral ở cấp độ hiển vi. Hệ thống có thể quét tối đa 351 mẫu đĩa lá trong khoảng 2,4 giờ, thu dữ liệu từ 400 đến 1.000 nm với 950 dải phổ. Thay vì chỉ hỏi một chiếc lá “trông có bệnh hay không”, nó đo xem từng vùng mô rất nhỏ đang phản xạ ánh sáng khác đi như thế nào.

Đó là lý do nhóm nghiên cứu có thể nhìn thấy dấu hiệu liên quan đến bệnh sương mai trên nho trước khi việc lấy trung bình toàn bộ chiếc lá cho ra tín hiệu rõ ràng. Trong thí nghiệm với Plasmopara viticola, các phổ được lấy chính xác ở vùng mô sau đó phát triển bệnh cho thấy thay đổi có ý nghĩa từ khoảng ngày thứ năm sau khi gây nhiễm; nếu chỉ lấy phổ trung bình trên toàn đĩa lá, tín hiệu yếu hơn và xuất hiện muộn hơn, từ khoảng ngày thứ bảy.

Mắt người nhìn ba màu, HyperBird nhìn hàng trăm lát phổ

Camera thông thường ghi lại ba kênh màu đỏ, xanh lá và xanh lam. Điều đó đủ để nhận ra lá đã vàng, xuất hiện mốc hoặc hình thành vùng hoại tử, nhưng nhiều thay đổi sinh lý xảy ra trước giai đoạn này không tạo ra khác biệt màu sắc đủ lớn cho mắt người.

Hyperspectral imaging chia ánh sáng phản xạ thành hàng trăm dải bước sóng hẹp. Mỗi pixel vì vậy không chỉ mang thông tin “màu gì”, mà có cả một đường phổ mô tả lượng ánh sáng phản xạ ở từng bước sóng. Sắc tố, nước, cấu trúc mô, lớp sáp trên lá và những biến đổi do tương tác giữa cây với mầm bệnh đều có thể ảnh hưởng đến đường phổ đó.

HyperBird kết hợp camera hyperspectral dạng line-scan với quang học hiển vi, nguồn sáng tungsten–halogen và hệ chuyển động robot. Nghiên cứu báo cáo độ phân giải không gian khoảng 24,3 micromet và độ phân giải phổ khoảng 1,78 nm. Mỗi lần quét tạo ra một “khối dữ liệu” gồm hai chiều không gian của mẫu cộng với chiều thứ ba là bước sóng.

Điểm quan trọng ở đây là độ phân giải không gian. Nếu một vùng nhiễm bệnh rất nhỏ bị trộn với hàng nghìn pixel mô khỏe mạnh xung quanh, dấu hiệu quang phổ có thể bị pha loãng. HyperBird cố giải bài toán này bằng cách quan sát những khu vực nhỏ hơn rồi theo dõi chúng theo thời gian, thay vì chỉ lấy một giá trị trung bình cho cả lá.

Không chỉ chụp kỹ hơn, hệ thống còn phải chụp đủ nhanh

Hyperspectral imaging trong nghiên cứu cây trồng không phải công nghệ mới. Vấn đề là dữ liệu rất lớn và quy trình thu thập thường chậm. Một hệ thống có thể tìm dấu hiệu bệnh sớm trên vài chiếc lá chưa chắc hữu ích cho chương trình lai tạo phải đánh giá hàng nghìn mẫu.

Đó là lý do HyperBird được thiết kế như một hệ thống phenotyping thông lượng cao. Một khay chứa tối đa 351 đĩa lá có thể được quét tự động trong khoảng 2,4 giờ. Nghiên cứu trước của cùng nhóm, công bố ngày 20/5 trên Plant Disease, mô tả phiên bản nền tảng tự động có thể tạo tới khoảng 9 TB dữ liệu hyperspectral trong một ngày.

Trong các thử nghiệm đó, nhóm không chỉ xem bệnh. Dữ liệu quang phổ còn được dùng để phân biệt dấu vết thuốc trừ nấm và nhận diện khác biệt giữa các dòng nho trong chương trình lai tạo. Các mô hình thống kê và random forest trong nghiên cứu tháng 5 đạt AUC từ khoảng 77,8% tới 99,9% tùy bài toán. Con số này không nên được đọc như “độ chính xác phát hiện mọi bệnh là 99,9%”: đó là một dải kết quả cho nhiều tác vụ khác nhau trong các bộ dữ liệu thí nghiệm cụ thể.

“Phát hiện trước triệu chứng” cụ thể sớm đến đâu?

Một nghiên cứu khác của nhóm, công bố ngày 29/6/2026 cũng trên Plant Disease, cho thấy ý nghĩa của việc nhìn sớm hơn. Các đĩa lá lấy từ nho trồng ngoài đồng được gây nhiễm P. viticola rồi chụp ở 0,5; 1,5 và 3,5 ngày sau gây nhiễm. Ở 0,5 và 1,5 ngày, chưa có sporulation nhìn thấy; tới 3,5 ngày, hiện tượng này mới xuất hiện ở nhóm đối chứng không xử lý.

Mô hình random forest được huấn luyện trên dữ liệu trước khi sporulation xuất hiện — ở 0,5 và 1,5 ngày — dự đoán mẫu nào sau đó sẽ phát triển sporulation với accuracy khoảng 0,78 và ROC–AUC 0,77. Đây không phải mức đủ để biến HyperBird thành một “máy chẩn đoán chắc chắn” cho từng cây, nhưng nó cho thấy mô lá đã mang thông tin có thể đo được trước khi triệu chứng rõ ràng xuất hiện.

Cornell mô tả lợi thế theo một cách khác: với độ phân giải không gian–phổ cao hơn, nhóm hiện có thể đạt ở ngày thứ ba mức thông tin mà trước đây phải đợi tới ngày thứ sáu hoặc thứ chín trong một số phép phân tích. Điều đáng chú ý không phải một mốc thời gian duy nhất áp dụng cho mọi bệnh, mà là khả năng kéo thời điểm phát hiện về phía trước khi tín hiệu bệnh còn rất cục bộ.

Đây chưa phải camera treo trên tractor để quét cả vườn

Có một giới hạn dễ bị bỏ qua khi nhìn vào cụm “camera phát hiện bệnh sớm”: HyperBird hiện không chạy dọc hàng nho và tự chẩn đoán nguyên cây từ xa. Kỹ thuật viên vẫn phải lấy các đĩa lá cỡ khoảng 10 mm, đặt chúng vào khay rồi đưa vào hệ thống chụp trong điều kiện được kiểm soát.

Đây là nền tảng phenotyping và nghiên cứu bệnh học thực vật, không phải một cảm biến thương mại đã sẵn sàng thay thế công việc scouting ngoài vườn. Ngay cả nghiên cứu về hiệu quả chương trình phun thuốc cũng sử dụng vật liệu lá lấy từ cây ngoài đồng rồi đưa vào quy trình chụp tiêu chuẩn hóa.

Phân biệt này quan trọng vì ánh sáng mặt trời, bóng râm, góc lá, gió, bụi, nước và sự khác biệt giữa các giống nho đều khiến hyperspectral imaging ngoài đồng khó hơn nhiều so với trong một buồng chụp. Một mô hình hoạt động tốt trên các đĩa lá được chuẩn hóa chưa tự động có cùng độ chính xác khi đặt camera trên drone hoặc robot chạy qua vườn.

Ứng dụng gần nhất có thể nằm ở phòng lai tạo, không phải ở mọi vườn nho

Với cấu hình hiện tại, giá trị rõ nhất của HyperBird là giúp các nhà chọn giống và bệnh học thực vật xử lý số lượng mẫu lớn nhanh hơn. Khi phải đánh giá hàng trăm hoặc hàng nghìn cá thể để tìm giống có khả năng kháng sương mai hoặc phấn trắng tốt hơn, chờ triệu chứng biểu hiện đầy đủ vừa tốn thời gian vừa làm giảm số chu kỳ thí nghiệm có thể thực hiện.

Nền tảng cũng có thể giúp so sánh chương trình thuốc trừ nấm. Trong nghiên cứu tháng 6, các đặc trưng hyperspectral không chỉ phản ánh tiến triển bệnh mà còn khác nhau giữa lá từ chương trình thuốc hóa học, biofungicide và đối chứng. Điều này tạo một cách đo khách quan hơn cho câu hỏi liệu một chương trình phun có thực sự làm giảm quá trình nhiễm trước khi khác biệt trở nên rõ bằng mắt hay không.

Nhóm Cornell cho biết đang làm việc với Moblanc Robotics để sản xuất HyperBird, đồng thời tìm cách tự động hóa bước lấy mẫu — hiện là phần tốn công nhất của quy trình. Đây mới là điểm cần theo dõi tiếp: nếu việc cắt, nạp và quét mẫu có thể tự động hóa đủ sâu, hyperspectral microscopy có thể trở thành công cụ thường quy cho các chương trình lai tạo và thử nghiệm thuốc thay vì một thiết bị chuyên dụng chỉ vận hành trong vài phòng lab.

HyperBird vì vậy chưa phải chiếc camera có thể nhìn một cây nho từ xa rồi tuyên bố chắc chắn nó đang mắc bệnh. Điều nó chứng minh thực tế hơn nhưng cũng hữu ích hơn: trước khi chiếc lá thay đổi đủ nhiều để mắt người nhận ra, mô cây đã bắt đầu để lộ những thay đổi quang học có thể đo được. Phần còn lại của bài toán là biến tín hiệu sớm đó thành một quy trình đủ nhanh, đủ ổn định và đủ rẻ để đi từ khay mẫu trong phòng thí nghiệm ra quyết định ngoài vườn.