Dossier de candidature | La caméra hyperspectrale FS-IQ contribue à la détection précoce et non destructive de la brûlure bactérienne des feuilles du riz

La brûlure bactérienne des feuilles du riz est une maladie majeure qui affecte le rendement du riz et la sécurité alimentaire. Les inspections traditionnelles sur le terrain peinent à identifier la maladie au stade asymptomatique et, au moment où les lésions apparaissent, l’efficacité de la prévention et du contrôle est considérablement réduite. L'imagerie hyperspectrale, avec sa caractéristique de combiner des images et des spectres, peut capturer de subtils changements physiologiques et biochimiques provoqués par la maladie, ce qui en fait un moyen important pour le diagnostic précoce des maladies des plantes.

Dans une étude orientée vers le diagnostic précoce de la brûlure bactérienne des feuilles du riz, l'équipe de recherche scientifique a sélectionné la caméra hyperspectrale portable FigSpec FS-IQ-VISNIR produite par CHNSpec pour effectuer la collecte de données, fournissant ainsi une source de données spectrales stable et fiable pour une reconnaissance intelligente des maladies.

I. Équipement expérimental et collecte de données

• Modèle d'équipement : Caméra hyperspectrale FigSpec FS-IQ-VISNIR.
• Plage spectrale : 400-1 000 nm, avec une résolution spectrale de 2,5 nm.
• Conditions de collecte : Journée ensoleillée entre 10h00 et 14h00 ; la distance entre les lentilles et la canopée était de 60 à 80 cm ; Les valeurs DN ont été contrôlées entre 3 000 et 4 000 en ajustant le temps d'exposition en temps réel pour réduire l'impact de la surexposition et du bruit.
• Objets expérimentaux : échantillons de feuilles de riz de trois niveaux : sains, légèrement infectés (stade asymptomatique) et gravement infectés.

La caméra hyperspectrale FS-IQ prend en charge une imagerie rapide et sans contact et peut acquérir de manière stable des informations spectrales sur les feuilles dans des environnements contrôlés et des scénarios de terrain, jetant ainsi les bases de données pour l'extraction ultérieure de caractéristiques et la formation de modèles.

II. Prétraitement des données et exploration de bandes clés

Les données hyperspectrales originales ont subi une correction du courant d'obscurité, une correction du tableau blanc et un lissage Savitzky-Golay. Après avoir supprimé les bandes à faible rapport signal/bruit aux deux extrémités, 243 bandes de haute qualité ont été conservées pour l'analyse de modélisation.

L’étude a utilisé des méthodes d’apprentissage profond pour filtrer les bandes caractéristiques sensibles à la brûlure bactérienne des feuilles à partir du spectre complet, principalement concentrées dans :

• Région du pic vert (520-550 nm) : liée aux changements dans la teneur en chlorophylle.
• Région Red Edge (680–720 nm) : reflétant la structure des cellules foliaires et les états de stress.

L'utilisation d'environ 8 % seulement des bandes principales permet de conserver la plupart des informations discriminatoires, réduisant ainsi la dimensionnalité des données tout en améliorant l'efficacité opérationnelle du modèle et la stabilité de la reconnaissance.

III. Effet de reconnaissance des maladies et valeur d'application

Dans la tâche de classification et de reconnaissance de la brûlure bactérienne des feuilles, la vérification du modèle a été effectuée sur la base des données spectrales obtenues par FS-IQ :

• En utilisant un petit nombre de bandes centrales comme entrée, la précision de la classification a atteint plus de 96 %, ce qui était meilleur que l'entrée directe du spectre complet.
• Pour les scénarios avec des échantillons déséquilibrés, après avoir élargi les échantillons minoritaires grâce à des méthodes génératives, les performances globales du modèle se sont améliorées de 6 à 13 %.
• Les résultats de la sélection des bandes étaient conformes aux lois des changements physiologiques des plantes et possédaient une bonne interprétabilité mécaniste.

La caméra hyperspectrale FS-IQ a démontré les avantages d’adaptation suivants dans cette étude :

• Bandes riches et rapport signal/bruit stable : couvrant l'intervalle clé visible-proche infrarouge, il peut capturer de faibles différences spectrales dans les premiers stades de la maladie.
• Portable et facile à utiliser : convient à la collecte en laboratoire et sur le terrain, s'adaptant aux scénarios d'analyse du phénotype des cultures.
• Forte compatibilité des données : les spectres de sortie peuvent être directement connectés aux flux de travail d'apprentissage profond et d'apprentissage automatique, prenant en charge l'exploration de fonctionnalités et l'optimisation des modèles.

IV. Résumé

Ciblant la détection précoce et non destructive de la brûlure bactérienne des feuilles du riz, ce cas s'est appuyé sur la caméra hyperspectrale FS-IQ pour obtenir des données spectrales de haute qualité. Combiné à des algorithmes intelligents, il a permis une extraction de bandes sensibles et une reconnaissance précise des maladies, offrant ainsi une voie technique réalisable pour l'alerte précoce contre les maladies des cultures et la prévention et le contrôle précis.

Les caméras hyperspectrales de la série CHNSpec FS-IQ, avec des performances d'imagerie stables et une expérience de fonctionnement conviviale, continuent de servir la recherche scientifique et les scénarios industriels tels que l'agriculture intelligente, les phénotypes végétaux et la sécurité alimentaire, aidant les utilisateurs à extraire des caractéristiques efficaces à partir d'informations spectrales complexes et promouvant le développement de la technologie de détection vers des directions non destructives, efficaces et intelligentes.

Recommandation de produit : Caméra hyperspectrale portable FS-IQ-VISNIR

• Gamme spectrale : 400-1000 nm
• Résolution spectrale : 2,5 nm
• Résolution d'image : 1920*1920
• Nombre de canaux spectraux : 1200