Wissenschaftler der Universität Adelaide (Australien) haben in Zusammenarbeit mit dem deutschen Technologieunternehmen Compolytics eine zerstörungsfreie Scan-Technik entwickelt, die das Cannabinoid-Profil einer Pflanze mehrere Wochen vor der Ernte vorhersagen kann.
Die Methode, bekannt als hyperspektrale Reflexionsmessung von Fächerblättern (FLHR), besteht darin, intakte Blätter zu scannen, um ihre Lichtreflexionsmuster über Hunderte von Wellenlängenbändern zu erfassen. Diese „spektralen Signaturen“ werden anschließend mithilfe von Machine-Learning-Modellen interpretiert, um die finalen Cannabinoid-Konzentrationen in reifen Blüten zu schätzen.
Traditionelle Cannabinoid-Testmethoden, wie Flüssig- oder Gaschromatographie, erfordern die Zerstörung von Proben, chemische Reagenzien, teure Ausrüstung und spezialisierte Labore. Im Gegensatz dazu liefert FLHR sofortige Messwerte direkt im Anbauraum oder im Feld.
„Diese Messtechnik wurde mit Machine-Learning-Modellen kombiniert, die auf FLHR-Spektren trainiert wurden, und erreichte eine hohe Vorhersagegenauigkeit, die frühere Ansätze übertraf“, erklärt Dr. Aaron Phillips von der Universität Adelaide, der die in Industrial Crops & Products veröffentlichte Studie leitete. Die Technik basiert auf einem tragbaren Hyperspektralgerät, wodurch schnelle In-situ-Bewertungen möglich sind, ohne die Pflanzen zu schneiden oder Proben an ein Labor zu schicken.
„Die Fähigkeit, Cannabinoid-Profile mehrere Wochen vor der Ernte vorherzusagen, hat wichtige Auswirkungen auf die Cannabisproduktion, da sie es Anbauern und Züchtern ermöglicht, die Produktqualität zu verbessern, Kosten zu senken und die Einhaltung der gesetzlichen Vorgaben sicherzustellen“, erklärt Dr. Phillips.
Anbauer können so Pflanzen identifizieren, die die gesetzlichen THC-Grenzwerte überschreiten könnten, und damit die kostspielige Vernichtung von Ernten vermeiden, und Pflanzen mit hohem Potenzial priorisieren. Dieses Tool ermöglicht es auch, Züchtungszyklen zu beschleunigen, und erlaubt es Produzenten, den Erntezeitpunkt basierend auf der erwarteten Potenz zu optimieren, anstatt sich auf Vermutungen oder wiederholte Laboranalysen zu verlassen.
Die Vorteile gehen über die Einhaltung von Vorschriften hinaus. Wie unabhängige Berichte, die in der Studie zitiert werden, erklären, hilft diese Technologie Landwirten, die Zuweisung von Ressourcen an Pflanzen mit geringem Cannabinoid-Potenzial zu vermeiden. Sie bietet Forschern auch ein leistungsstarkes Mittel, um Sorten zu klassifizieren und optimale Zuchtpflanzen früher im Wachstumszyklus auszuwählen, wodurch der Bedarf an aufwendiger Phänotypisierung reduziert wird.
Obwohl die aktuelle Scan-Ausrüstung sperrig ist, arbeitet Compolytics an einer kompakten Version, die einem Supermarkt-Barcodescanner ähnelt und für den täglichen Gebrauch durch Anbauer konzipiert ist.
Das Forschungsteam zielt auch darauf ab, die Grenzen der Genauigkeit zu erweitern, mit der FLHR Cannabinoid-Werte früh im Wachstumszyklus vorhersagen kann. Überraschenderweise deuten erste Ergebnisse darauf hin, dass Scans, die zu Beginn der Blüte durchgeführt werden, manchmal besser abschneiden können als später durchgeführte Messungen.
Für die Zukunft sieht Dr. Phillips Anwendungen in größerem Maßstab: „Wir würden unseren Ansatz außerdem gern mit Drohnen testen, die Hanffelder scannen können, um Pflanzen zu identifizieren, die die gesetzlichen THC-Grenzwerte überschreiten.“
Ein solches System könnte die Überwachung der Einhaltung von Vorschriften für große Freilandfarmen automatisieren, was ein beispielloses Maß an Präzisionslandwirtschaft in der Cannabis-Industrie darstellen würde.
Quelle: https://www.newsweed.fr Von Aurélien BERNARD
