Biografi

  1. Dr.scient. i plante molekylærbiologi, NMBU 2002.
  2.  
  3. Forskningsinteresser: interaksjoner mellom trær og sopp-patogener, trærnes forsvarsresponser mot sopp-patogener, og bioprospektering.
  4.  
  5. Har tidligere arbeidet med å beskrive hvilke typer vev, celler, og molekylære og genetiske mekanismerer som er involvert i grantrærs respons på stress (forårsaket av aluminum, tørke, insekt- og soppangrep), har også bidratt til studier av sammenheng mellom daglengde og grantrærs knoppskyting. De siste årene har jeg arbeidet med skuddavdøding i asketrær, og vært leder for et prosjekt (Biotransformering) som undersøker om stoffer produsert i soppangrepet gran og andre organismer kan untyttes i medisinsk sammenheng.
  6.  
  7. Jeg har kompetanse innen alle typer mikroskopiteknikker (som lys- og elektronmikroskopi, konfokalmikroskopi, lasermikrodisseksjon og imaging), i tillegg til qRT-PCR, sekvensering, for identifisering av patogener, og biotiske og abiotiske effekter på genekspresjon. Div samarbeid for bruk av biokjemiske metoder (Orbitrap, HPLC, GC-MS) og RAMAN.

Les mer

Sammendrag

Skogens helsetilstand påvirkes i stor grad av klima og værforhold, enten direkte ved tørke, frost og vind, eller indirekte ved at klimaet påvirker omfanget av soppsykdommer og insektangrep. Klimaendringene og den forventede økningen i klimarelaterte skogskader gir store utfordringer for forvaltningen av framtidas skogressurser. Det samme gjør invaderende skadegjørere, både allerede etablerte arter og nye som kan komme til Norge i nær framtid. I denne rapporten presenteres resultater fra skogskadeovervåkingen i Norge i 2023 og trender over tid for følgende temaer: (i) Landsrepresentativ skogovervåking; (ii) Intensiv skogovervåking; (iii) Overvåking av bjørkemålere i Troms og Finnmark; (iv) Barkbilleovervåkingen 2023: økende fangster – særlig i stormrammede områder; (v) Søk etter Ips-arter utenfor det nordvestlige hjørnet av granas utbredelse i Europa; (vi) Askeskuddsyke; (vii) Andre spesielle skogskader i 2023.

Til dokument

Sammendrag

Common scab (CS) is a major bacterial disease causing lesions on potato tubers, degrading their appearance and reducing their market value. To accurately grade scab-infected potato tubers, this study introduces “ScabyNet”, an image processing approach combining color-morphology analysis with deep learning techniques. ScabyNet estimates tuber quality traits and accurately detects and quantifies CS severity levels from color images. It is presented as a standalone application with a graphical user interface comprising two main modules. One module identifies and separates tubers on images and estimates quality-related morphological features. In addition, it enables the extraction of tubers as standard tiles for the deep-learning module. The deep-learning module detects and quantifies the scab infection into five severity classes related to the relative infected area. The analysis was performed on a dataset of 7154 images of individual tiles collected from field and glasshouse experiments. Combining the two modules yields essential parameters for quality and disease inspection. The first module simplifies imaging by replacing the region proposal step of instance segmentation networks. Furthermore, the approach is an operational tool for an affordable phenotyping system that selects scab-resistant genotypes while maintaining their market standards.