کئی نسلوں سے سویا بین کے کاشتکار موسم کی پیشن گوئی، بیماری کے ماڈلز اور فیلڈ اسکاؤٹنگ پر انحصار کرتے رہے ہیں تاکہ یہ فیصلہ کیا جا سکے کہ فنگسائڈز کو کب اور کب استعمال کرنا ہے۔ InnerPlant معلومات کا ایک مختلف ذریعہ تیار کر رہا ہے: فصل کے اندر سے پیدا ہونے والے سگنل۔
کیلیفورنیا-کی زرعی ٹیکنالوجی کمپنی کا CropVoice پلیٹ فارم InnerSoy، جینیاتی طور پر انجنیئر سویا بین پودوں کے ساتھ لگائے گئے سینٹینیل پلاٹوں کے نیٹ ورک کا استعمال کرتا ہے جو اس وقت قابل شناخت نظری سگنل پیدا کرتے ہیں جب ان کے مدافعتی نظام فنگل پیتھوجینز کا جواب دیتے ہیں۔ InnerPlant کاشتکاروں کو انتباہات بھیجنے سے پہلے ٹشو کے نمونوں، فیلڈ مشاہدات، موسم کی معلومات اور بیماری کے ماڈلز کے ساتھ ساتھ ان سگنلز کا تجزیہ کرتا ہے۔
کمپنی کا کہنا ہے کہ یہ نقطہ نظر 48 گھنٹوں کے اندر اندر ایک فعال انفیکشن کی نشاندہی کرسکتا ہے، ممکنہ طور پر علامات ظاہر ہونے سے چند ہفتوں پہلے۔ اس لیڈ ٹائم کا مقصد فصل کے سب سے مشکل-حفاظتی فیصلوں میں سے ایک کو حل کرنا ہے جس کا کسانوں کو سامنا کرنا پڑتا ہے: جب بیماری غائب ہو یا معاشی نقصان کا امکان نہ ہو تو اسپرے کیے بغیر پیداوار کی حفاظت کے لیے فنگسائڈ کا جلد استعمال کرنا۔
پودے کے اندر سے بیماری کا پتہ لگانا
InnerPlant کی بنیادی ٹیکنالوجی بائیوسینسرز پر بنتی ہے جو کئی دہائیوں سے لیبارٹری تحقیق میں استعمال ہوتی رہی ہیں۔ کمپنی کا بنیادی تکنیکی چیلنج ان سینسرز کو تجارتی شعبوں میں منتقل کرنا تھا، جہاں سورج کی روشنی، موسم اور دیگر پس منظر کے حالات پودوں سے خارج ہونے والے دھندلے اشاروں میں مداخلت کر سکتے ہیں۔
اشتہار
InnerPlant نے اپنے حیاتیاتی سگنلز کو بیک گراؤنڈ لائٹ سے الگ کرنے کے لیے الگورتھم تیار کیے، ساتھ ہی مصنوعی-انٹیلی جنس ماڈلز جو مانیٹرنگ سسٹم کے ذریعے تیار کی گئی ہزاروں تصاویر کی درجہ بندی کرتے ہیں۔ مقصد کسی پودے کے اندر نظر نہ آنے والی سرگرمی کو ایسی معلومات میں تبدیل کرنا ہے جو فیلڈ-سطح کے انتظامی فیصلوں کی حمایت کر سکے۔
جب ایک InnerSoy پلانٹ فنگل پیتھوجین سے متاثر ہوتا ہے، تو یہ اپنے قدرتی مدافعتی ردعمل کو متحرک کرتا ہے۔ InnerPlant کی طرف سے داخل کردہ ایک جین متعلقہ مدافعتی جینز کے ساتھ ساتھ متحرک ہوتا ہے اور ایک سگنلنگ پروٹین تیار کرتا ہے جسے کمپنی کا پتہ لگانے والا نظام شناخت کر سکتا ہے۔
چونکہ سگنل مدافعتی ردعمل سے جڑا ہوا ہے، InnerPlant کا کہنا ہے کہ یہ مخصوص بیماریوں کی نشاندہی کر سکتا ہے، بشمول فروجی لیف اسپاٹ، سفید مولڈ اور Cercospora-متعلقہ انفیکشن۔ روایتی اسکاؤٹنگ کے برعکس، جو عام طور پر ظاہر ہونے والے زخموں یا دیگر علامات پر منحصر ہوتا ہے، کراپ وائس سسٹم کو کھیتوں سے فصل کے نقصان کا مشاہدہ کرنے سے پہلے انفیکشن کی تصدیق کرنے کے لیے ڈیزائن کیا گیا ہے۔
"کسانوں کو اب پودوں کے اندر سے ڈیٹا تک رسائی حاصل ہے،" آرونوف نے اپنی کمپنی کی ٹیکنالوجی پر تبصرہ کیا۔کھاد روزانہ. انہوں نے کہا کہ یہ معلومات بیماریوں کے انتظامی نظاموں میں موجود حیاتیاتی جزو فراہم کرتی ہے جو روایتی طور پر روگزن کی موجودگی، سازگار ماحول اور حساس فصل پر انحصار کرتے ہیں۔
سفید مولڈ کیس میں چار-ہفتوں کی وارننگ
InnerPlant نے کہا کہ اس کے 2025 کے انتباہات میں سے ایک نے حیاتیاتی کھوج اور روایتی اسکاؤٹنگ کے درمیان ممکنہ فرق کو ظاہر کیا ہے۔
25 جولائی کو، کمپنی نے InnerSoy پلانٹس کے سگنلز کی بنیاد پر ایک سفید مولڈ الرٹ جاری کیا۔ اس وقت، سنٹینل پلاٹ کی جانچ کرنے والے تجربہ کار ماہرین زراعت کو مرئی علامات نہیں مل سکیں۔ کمپنی کے مطابق، تقریباً چار ہفتے بعد اسی پلاٹ میں سفید سڑنا کی علامات قابل مشاہدہ ہو گئیں۔
InnerPlant کی طرف سے بیان کردہ ایک الگ تجارتی معاملے میں، ایک کاشتکار جس نے کراپ وائس الرٹ موصول ہونے کے بعد سپرے کیا، اس نے علاج شدہ علاقے اور غیر علاج شدہ ٹیسٹ سٹرپ کے درمیان 25-بشیل-فی-ایکڑ فرق ریکارڈ کیا۔ نتیجہ ایک کنٹرول شدہ، نقل شدہ تشخیص کے بجائے ایک کمپنی کی رپورٹ شدہ کیس کی نمائندگی کرتا ہے، لیکن یہ بیماری کی ابتدائی تصدیق کے پیچھے معاشی دلیل کو واضح کرتا ہے۔
فنگسائڈ کا وقت خاص طور پر اہم ہے کیونکہ بہت سی پروڈکٹس اپنا سب سے بڑا فائدہ فراہم کرتی ہیں جب بیماری کے ظاہر ہونے سے پہلے لاگو ہوتے ہیں۔ بہت دیر سے درخواست دینے سے پیداوار غیر محفوظ رہ سکتی ہے، جبکہ معمول سے بچاؤ کی درخواستیں جب انفیکشن کی نشوونما نہیں ہوتی ہے تو واپسی فراہم کیے بغیر لاگت میں اضافہ کر سکتی ہے۔
کراپ پروٹیکشن نیٹ ورک کے مطابق، امریکی سویا بین کے پروڈیوسرز نے 2024 میں ایک اندازے کے مطابق 250.9 ملین بشل یا ممکنہ پیداوار کا 5.4 فیصد کھو دیا۔ ان نقصانات کا پیمانہ ایسے اوزاروں کی مانگ پیدا کرتا ہے جو ان حالات کے درمیان فرق کر سکیں جو محض بیماری کے حق میں ہوں اور اس بات کا ثبوت ہو کہ انفیکشن درحقیقت واقع ہو رہا ہے۔
CropVoice دس گنا پھیلتا ہے۔
InnerPlant نے 2025 میں 50,000 سبسکرائب شدہ ایکڑ پر تجارتی طور پر CropVoice کا آغاز کیا۔ کمپنی نے کہا کہ کوریج 2026 میں دس گنا بڑھ کر 500,000 ایکڑ سے زیادہ ہو گئی، جو مشرقی نیبراسکا اور مغربی آئیووا میں مرکوز تھی۔
پلیٹ فارم کو ہر اندراج شدہ فیلڈ کے لیے الگ سینسر پلاٹ کی ضرورت نہیں ہے۔ InnerPlant زرعی خوردہ فروشوں اور مقامی ماہرین زراعت کے ساتھ مل کر کام کرتا ہے تاکہ ایک اوور لیپنگ علاقائی نیٹ ورک پر سینٹینل سائٹس رکھیں۔ سائٹ کے انتخاب میں ٹپوگرافی، مقامی موسم، تاریخی بیماری کے دباؤ، فصلوں کی جینیات اور پیداواری طریقوں جیسے قطاروں میں وقفہ کاری پر غور کیا جاتا ہے۔
پلاٹوں کا مقصد مقامی طور پر متعلقہ بیماری کی معلومات پیدا کرنے کے لیے ارد گرد کے تجارتی میدانوں سے کافی قریب سے مشابہت کرنا ہے۔ انتباہ جاری کرنے سے پہلے نیٹ ورک میں موجود دیگر سائٹس کے سگنلز کے ساتھ انفرادی سائٹس کے ڈیٹا کا بھی جائزہ لیا جاتا ہے۔
کراپ وائس الرٹس اور اسکاؤٹنگ رپورٹس ٹیکسٹ میسج، ای میل یا جان ڈیری آپریشن سینٹر کے ذریعے پہنچائی جا سکتی ہیں۔ InnerPlant 2027 میں ایک آن-ڈیمانڈ ڈیش بورڈ شامل کرنے کا ارادہ رکھتا ہے۔
مکئی، کیڑوں اور نائٹروجن کا انتظام
InnerPlant کے عزائم سویابین میں کوکیی بیماری سے آگے بڑھتے ہیں۔ کمپنی کا منصوبہ ہے کہ مکئی کو 2027 میں CropVoice نیٹ ورک میں متعارف کرایا جائے، جبکہ سویا بین کیڑے-اسٹریس سینسر بھی تیار کیا جا رہا ہے۔
ایک اور ممکنہ درخواست نائٹروجن مینجمنٹ ہے۔ InnerPlant نے کہا کہ وہ مکئی کے ایک سینسر کی تلاش کر رہا ہے جو فصل کی نائٹروجن کی حیثیت کا اشارہ دے سکتا ہے، ممکنہ طور پر کاشتکاروں کو مٹی کی جانچ، فصل کے ماڈل، ریموٹ سینسنگ اور موسم کے اعداد و شمار کی تکمیل کے لیے حیاتیاتی معلومات فراہم کرتا ہے۔
اس طرح کے نظام کے کھاد کے استعمال کے وسیع تر اثرات ہو سکتے ہیں۔ نائٹروجن مکئی کی پیداوار میں سب سے بڑے متغیر اخراجات میں سے ہے، لیکن فصل کے لیے دستیاب رقم مٹی کے حالات، بارش، درجہ حرارت اور حیاتیاتی سرگرمی کے ساتھ بدل جاتی ہے۔ ایک پودے کا -جنریٹڈ انڈیکیٹر بالآخر کاشتکاروں کو یہ شناخت کرنے میں مدد کر سکتا ہے کہ صرف بیرونی حالات سے اخذ کیے گئے تخمینوں پر انحصار کرنے کی بجائے اضافی نائٹروجن کہاں یا کب درکار ہے۔
InnerPlant اپنے وسیع پلیٹ فارم کو پلانٹ کی سطح کے زرعی ڈیٹا کے لیے ایک ممکنہ آپریٹنگ سسٹم کے طور پر بیان کرتا ہے۔ اگرچہ سب سے زیادہ درستگی والے زرعی آلات موسم، مٹی، چھتری کی ظاہری شکل یا دیگر بیرونی عوامل کی پیمائش کرتے ہیں، کمپنی فصلوں کے جسمانی ردعمل کی بنیاد پر ایک نئی ڈیٹا پرت بنانے کی کوشش کر رہی ہے۔
آیا یہ اشارے فارم کے منافع کو مستقل طور پر بہتر بنا سکتے ہیں اس کا انحصار نیٹ ورک کی درستگی، جغرافیائی کوریج اور لاگت کے ساتھ ساتھ متعدد بڑھتے ہوئے موسموں میں آزادانہ تصدیق پر ہوگا۔ تاہم، CropVoice کی تیز رفتار توسیع سے پتہ چلتا ہے کہ زرعی خوردہ فروش اور کاشتکار یہ جانچنے کے لیے تیار ہیں کہ آیا پودے خود میدان میں پیدا ہونے والے خطرات کے بارے میں پہلے اور زیادہ درست انتباہ فراہم کر سکتے ہیں۔
