Υπόθεση Εφαρμογής | Η υπερφασματική κάμερα FS-IQ βοηθά στην πρώιμη μη καταστροφική ανίχνευση του βακτηριακού ερεθισμού των φύλλων του ρυζιού

Η βακτηριακή λοίμωξη των φύλλων του ρυζιού είναι μια σημαντική ασθένεια που επηρεάζει την απόδοση του ρυζιού και την ασφάλεια των τροφίμων. Οι παραδοσιακές επιτόπιες επιθεωρήσεις αγωνίζονται για τον εντοπισμό της νόσου στο ασυμπτωματικό στάδιο και μέχρι να εμφανιστούν οι βλάβες, η αποτελεσματικότητα της πρόληψης και του ελέγχου μειώνεται σημαντικά. Η υπερφασματική απεικόνιση, με το χαρακτηριστικό της να συνδυάζει εικόνες και φάσματα, μπορεί να συλλάβει ανεπαίσθητες φυσιολογικές και βιοχημικές αλλαγές που προκαλούνται από την ασθένεια, καθιστώντας την ένα σημαντικό μέσο για την έγκαιρη διάγνωση ασθενειών των φυτών.

Σε μια μελέτη προσανατολισμένη στην πρώιμη διάγνωση της βακτηριακής λοίμωξης των φύλλων ρυζιού, η επιστημονική ερευνητική ομάδα επέλεξε τη φορητή υπερφασματική κάμερα FigSpec FS-IQ-VISNIR που παρήγαγε η CHNSpec για τη συλλογή δεδομένων, παρέχοντας μια σταθερή και αξιόπιστη πηγή φασματικών δεδομένων για έξυπνη αναγνώριση ασθενειών.

I. Πειραματικός Εξοπλισμός και Συλλογή Δεδομένων

• Μοντέλο εξοπλισμού: Υπερφασματική κάμερα FigSpec FS-IQ-VISNIR.
• Φασματικό εύρος: 400-1000 nm, με φασματική ανάλυση 2,5 nm.
• Συνθήκες συλλογής: Ηλιόλουστη ημέρα μεταξύ 10:00-14:00. η απόσταση του φακού από τον θόλο ήταν 60-80 cm. Οι τιμές DN ελέγχθηκαν στο 3000-4000 με προσαρμογή του χρόνου έκθεσης σε πραγματικό χρόνο για τη μείωση των επιπτώσεων της υπερέκθεσης και του θορύβου.
• Πειραματικά αντικείμενα: Δείγματα φύλλων ρυζιού τριών επιπέδων: υγιή, ελαφρά μολυσμένα (ασυμπτωματικό στάδιο) και σοβαρά μολυσμένα.

Η υπερφασματική κάμερα FS-IQ υποστηρίζει γρήγορη απεικόνιση χωρίς επαφή και μπορεί να αποκτήσει σταθερά φασματικές πληροφορίες φύλλων τόσο σε ελεγχόμενα περιβάλλοντα όσο και σε σενάρια πεδίου, θέτοντας τα θεμέλια δεδομένων για μετέπειτα εξαγωγή χαρακτηριστικών και εκπαίδευση μοντέλων.

II. Προεπεξεργασία δεδομένων και εξόρυξη βασικών ζωνών

Τα αρχικά υπερφασματικά δεδομένα υποβλήθηκαν σε διόρθωση σκοτεινού ρεύματος, διόρθωση λευκού πίνακα και εξομάλυνση Savitzky-Golay. Μετά την αφαίρεση των ζωνών χαμηλής αναλογίας σήματος προς θόρυβο και στα δύο άκρα, διατηρήθηκαν 243 ζώνες υψηλής ποιότητας για ανάλυση μοντελοποίησης.

Η μελέτη χρησιμοποίησε μεθόδους βαθιάς μάθησης για να φιλτράρει τις χαρακτηριστικές ζώνες που είναι ευαίσθητες στη βακτηριακή μάστιγα των φύλλων από το πλήρες φάσμα, κυρίως συγκεντρωμένες σε:

• Περιοχή Green Peak (520–550 nm): Σχετίζεται με αλλαγές στην περιεκτικότητα σε χλωροφύλλη.
• Περιοχή Red Edge (680–720 nm): Αντανακλά τη δομή των κυττάρων των φύλλων και τις καταστάσεις καταπόνησης.

Η χρήση μόνο του 8% περίπου των ζωνών πυρήνα μπορεί να διατηρήσει τις περισσότερες από τις πληροφορίες που προκαλούν διακρίσεις, μειώνοντας τις διαστάσεις των δεδομένων, βελτιώνοντας παράλληλα τη λειτουργική απόδοση του μοντέλου και τη σταθερότητα αναγνώρισης.

III. Επίδραση Αναγνώρισης Νόσων και Αξία Εφαρμογής

Στην εργασία ταξινόμησης και αναγνώρισης της βακτηριακής λοίμωξης των φύλλων, η επαλήθευση του μοντέλου πραγματοποιήθηκε με βάση τα φασματικά δεδομένα που ελήφθησαν από το FS-IQ:

• Χρησιμοποιώντας έναν μικρό αριθμό ζωνών πυρήνα ως είσοδο, η ακρίβεια ταξινόμησης έφτασε το 96%, το οποίο ήταν καλύτερο από την άμεση είσοδο του πλήρους φάσματος.
• Για σενάρια με μη ισορροπημένα δείγματα, μετά την επέκταση των δειγμάτων μειοψηφίας μέσω παραγωγικών μεθόδων, η συνολική απόδοση του μοντέλου βελτιώθηκε κατά 6%-13%.
• Τα αποτελέσματα επιλογής ζώνης ήταν συνεπή με τους νόμους των φυσιολογικών αλλαγών των φυτών, έχοντας καλή μηχανιστική ερμηνευτικότητα.

Η υπερφασματική κάμερα FS-IQ έδειξε τα ακόλουθα πλεονεκτήματα προσαρμογής σε αυτή τη μελέτη:

• Πλούσιες ζώνες και σταθερή αναλογία σήματος προς θόρυβο: Καλύπτοντας το βασικό διάστημα ορατού-εγγύς υπέρυθρου, μπορεί να καταγράψει ασθενείς φασματικές διαφορές στα αρχικά στάδια της νόσου.
• Φορητό και εύκολο στη χρήση: Κατάλληλο για εργαστηριακή και επιτόπια συλλογή αγρών, προσαρμοσμένο σε σενάρια ανάλυσης φαινοτύπου καλλιέργειας.
• Ισχυρή συμβατότητα δεδομένων: Τα φάσματα εξόδου μπορούν να συνδεθούν απευθείας με ροές εργασιών βαθιάς εκμάθησης και μηχανικής εκμάθησης, υποστηρίζοντας την εξόρυξη χαρακτηριστικών και τη βελτιστοποίηση μοντέλων.

IV. Περίληψη

Στοχεύοντας στην πρώιμη μη καταστρεπτική ανίχνευση της βακτηριακής λοίμωξης των φύλλων ρυζιού, αυτή η υπόθεση βασίστηκε στην υπερφασματική κάμερα FS-IQ για τη λήψη φασματικών δεδομένων υψηλής ποιότητας. Σε συνδυασμό με ευφυείς αλγόριθμους, πέτυχε την εξαγωγή ευαίσθητων ζωνών και την ακριβή αναγνώριση ασθενειών, παρέχοντας μια εφικτή τεχνική διαδρομή για έγκαιρη προειδοποίηση ασθενειών των καλλιεργειών και πρόληψη και έλεγχο ακριβείας.

Οι υπερφασματικές κάμερες της σειράς CHNSpec FS-IQ, με σταθερή απόδοση απεικόνισης και φιλική προς το χρήστη εμπειρία λειτουργίας, συνεχίζουν να εξυπηρετούν επιστημονική έρευνα και βιομηχανικά σενάρια όπως έξυπνη γεωργία, φαινότυποι φυτών και ασφάλεια τροφίμων, βοηθώντας τους χρήστες να εξορύξουν αποτελεσματικά χαρακτηριστικά από σύνθετες φασματικές πληροφορίες και προάγοντας την ανάπτυξη τεχνολογίας ανίχνευσης προς μη καταστροφική, αποτελεσματική και μη καταστροφική κατεύθυνση.

Σύσταση προϊόντος: Φορητή υπερφασματική κάμερα FS-IQ-VISNIR

• Φασματικό εύρος: 400-1000nm
• Φασματική Ανάλυση: 2,5 nm
• Ανάλυση εικόνας: 1920*1920
• Αριθμός Φασματικών Καναλιών: 1200