Caso di applicazione | La telecamera iperspettrale FS-IQ aiuta nel rilevamento precoce e non distruttivo della peronospora batterica delle foglie del riso

La peronospora batterica delle foglie del riso è una grave malattia che colpisce la resa del riso e la sicurezza alimentare. Le tradizionali ispezioni sul campo faticano a identificare la malattia durante la fase asintomatica e, quando compaiono le lesioni, l’efficacia della prevenzione e del controllo è significativamente ridotta. L'imaging iperspettrale, con la sua caratteristica di combinare immagini e spettri, può catturare sottili cambiamenti fisiologici e biochimici causati dalla malattia, rendendolo un mezzo importante per la diagnosi precoce delle malattie delle piante.

In uno studio orientato alla diagnosi precoce della peronospora batterica delle foglie del riso, il team di ricerca scientifica ha selezionato la fotocamera iperspettrale portatile FigSpec FS-IQ-VISNIR prodotta da CHNSpec per condurre la raccolta dati, fornendo una fonte di dati spettrali stabile e affidabile per il riconoscimento intelligente delle malattie.

I. Attrezzatura sperimentale e raccolta dati

• Modello attrezzatura: Fotocamera iperspettrale FigSpec FS-IQ-VISNIR.
• Gamma spettrale: 400-1000 nm, con una risoluzione spettrale di 2,5 nm.
• Condizioni di ritiro: giorno soleggiato tra le 10:00 e le 14:00; la distanza dell'obiettivo dalla chioma era di 60-80 cm; I valori DN sono stati controllati a 3000-4000 regolando il tempo di esposizione in tempo reale per ridurre l'impatto della sovraesposizione e del rumore.
• Oggetti sperimentali: campioni di foglie di riso di tre livelli: sani, lievemente infetti (fase asintomatica) e gravemente infetti.

La fotocamera iperspettrale FS-IQ supporta l'imaging veloce e senza contatto e può acquisire stabilmente informazioni spettrali fogliari sia in ambienti controllati che in scenari sul campo, gettando le basi dei dati per la successiva estrazione delle caratteristiche e l'addestramento del modello.

II. Preelaborazione dei dati e key band mining

I dati iperspettrali originali sono stati sottoposti a correzione della corrente oscura, correzione del bordo bianco e livellamento Savitzky-Golay. Dopo aver rimosso le bande con basso rapporto segnale/rumore su entrambe le estremità, sono state conservate 243 bande di alta qualità per l'analisi di modellazione.

Lo studio ha utilizzato metodi di deep learning per filtrare le bande caratteristiche sensibili alla peronospora batterica dall’intero spettro, concentrate principalmente in:

• Regione del picco verde (520–550 nm): correlata ai cambiamenti nel contenuto di clorofilla.
• Regione del bordo rosso (680–720 nm): riflette la struttura delle cellule fogliari e gli stati di stress.

Utilizzando solo circa l'8% delle bande principali è possibile conservare la maggior parte delle informazioni discriminatorie, riducendo la dimensionalità dei dati e migliorando al tempo stesso l'efficienza operativa del modello e la stabilità del riconoscimento.

III. Effetto sul riconoscimento della malattia e valore applicativo

Nell'attività di classificazione e riconoscimento della peronospora batterica, la verifica del modello è stata condotta sulla base dei dati spettrali ottenuti da FS-IQ:

• Utilizzando un numero limitato di bande principali come input, la precisione della classificazione ha raggiunto oltre il 96%, un valore migliore rispetto all'input diretto dell'intero spettro.
• Per scenari con campioni sbilanciati, dopo aver espanso i campioni minoritari attraverso metodi generativi, la prestazione complessiva del modello è migliorata del 6%–13%.
• I risultati della selezione delle bande erano coerenti con le leggi dei cambiamenti fisiologici delle piante, possedendo una buona interpretabilità meccanicistica.

La fotocamera iperspettrale FS-IQ ha dimostrato i seguenti vantaggi di adattamento in questo studio:

• Bande ricche e rapporto segnale-rumore stabile: coprendo l’intervallo chiave visibile-vicino infrarosso, può catturare deboli differenze spettrali nelle prime fasi della malattia.
• Portatile e facile da usare: adatto per la raccolta in laboratorio e sul campo, adattandosi agli scenari di analisi del fenotipo delle colture.
• Forte compatibilità dei dati: gli spettri di output possono essere collegati direttamente ai flussi di lavoro di deep learning e machine learning, supportando l'estrazione di funzionalità e l'ottimizzazione dei modelli.

IV. Riepilogo

Mirando al rilevamento precoce e non distruttivo della peronospora batterica delle foglie del riso, questo caso si è affidato alla telecamera iperspettrale FS-IQ per ottenere dati spettrali di alta qualità. In combinazione con algoritmi intelligenti, ha ottenuto l’estrazione di bande sensibili e un riconoscimento preciso delle malattie, fornendo un percorso tecnico fattibile per l’allarme precoce delle malattie delle colture e la prevenzione e il controllo di precisione.

Le telecamere iperspettrali della serie CHNSpec FS-IQ, con prestazioni di imaging stabili e un'esperienza operativa intuitiva, continuano a servire la ricerca scientifica e scenari industriali come l'agricoltura intelligente, i fenotipi delle piante e la sicurezza alimentare, aiutando gli utenti a estrarre caratteristiche efficaci da informazioni spettrali complesse e promuovendo lo sviluppo della tecnologia di rilevamento verso direzioni non distruttive, efficienti e intelligenti.

Prodotto consigliato: telecamera iperspettrale portatile FS-IQ-VISNIR

• Gamma spettrale: 400-1000 nm
• Risoluzione spettrale: 2,5 nm
• Risoluzione dell'immagine: 1920*1920
• Numero di canali spettrali: 1200