Anwendungsfall. Die FS-IQ-Hyperspektralkamera hilft bei der frühzeitigen und zerstörungsfreien Erkennung von Reisebakterien.

Bei traditionellen Feldinspektionen ist es schwierig, die Krankheit im asymptomatischen Stadium zu identifizieren.und bis die Läsionen erscheinen, die Wirksamkeit der Prävention und Bekämpfung erheblich reduziert wird.kann subtile physiologische und biochemische Veränderungen erfassen, die durch die Krankheit verursacht werden, so dass es ein wichtiges Mittel für die Früherkennung von Pflanzenkrankheiten ist.

In einer Studie, die sich auf die Früherkennung der bakteriellen Blattflechte aus Reis konzentrierte,Das wissenschaftliche Forschungsteam wählte die von CHNSpec hergestellte tragbare Hyperspektralkamera FigSpec FS-IQ-VISNIR zur Datenerhebung, die eine stabile und zuverlässige Spektraldatenquelle für die intelligente Erkennung von Krankheiten bietet.

I. Versuchsausrüstung und Datenerhebung

• Ausrüstungsmodell: FigSpec FS-IQ-VISNIR Hyperspektralkamera.
• Spektralbereich: 400-1000 nm, mit einer Spektrallauflösung von 2,5 nm.
• Sammelbedingungen: Sonnenlicht zwischen 10:00 und 14:00 Uhr:00Der Abstand der Linse zum Baldachin betrug 60-80 cm; die DN-Werte wurden bei 3000-4000 durch Echtzeit-Anpassung der Belichtungszeit gesteuert, um die Auswirkungen von Überbelichtung und Lärm zu reduzieren.
• Versuchsobjekte: Reiseblattproben in drei Stufen: gesund, leicht infiziert (asymptomatisches Stadium) und schwer infiziert.

Die FS-IQ-Hyperspektralkamera unterstützt schnelle, berührungslose Bildgebung und kann sowohl in kontrollierten Umgebungen als auch in Feldszenarien stabil Blattspektralinformationen erfassen.zur Schaffung der Datenbasis für die anschließende Merkmalentnahme und Modellbildung.

II. Datenvorverarbeitung und Key Band Mining

Die ursprünglichen Hyperspektraldaten wurden durch dunkle Stromkorrektur, Whiteboard-Korrektur und Savitzky-Golay-Gleichung korrigiert.243 hochwertige Bands wurden für die Modellierungsanalyse verwendet..

Bei der Untersuchung wurden mit Hilfe von Deep-Learning-Methoden charakteristische Bande aus dem gesamten Spektrum, die für bakterielle Blattflechte empfindlich sind, herausgefiltert, die sich hauptsächlich in:

• Grüne Spitzenregion (520-550 nm): Im Zusammenhang mit Veränderungen des Chlorophyllgehalts.
• Rotkantenregion (680-720 nm): spiegelt die Struktur der Blattzellen und die Belastungszustände wider.

Mit nur etwa 8% der Kernbänder können die meisten diskriminierenden Informationen gespeichert werden, wodurch die Datendimensionalität reduziert und gleichzeitig die Betriebseffizienz des Modells und die Stabilität der Erkennung verbessert werden.

III. Wirkung der Erkennung von Krankheiten und Nutzen der Anwendung

Bei der Klassifizierung und Erkennung bakterieller Blattflechte wurde eine Modellprüfung anhand der von FS-IQ gewonnenen Spektraldaten durchgeführt:

• Mit einer kleinen Anzahl von Kernbändern als Eingabe erreichte die Klassifikationsgenauigkeit mehr als 96%, was besser war als die direkte Eingabe des gesamten Spektrums.
• Für Szenarien mit unausgewogenen Stichproben verbesserte sich die Gesamtleistung des Modells nach Erweiterung der Minderheitsproben durch generative Methoden um 6%~13%.
• Die Ergebnisse der Band-Auswahl stimmten mit den Gesetzen der pflanzlichen physiologischen Veränderungen überein und waren gut mechanistisch interpretierbar.

Die FS-IQ-Hyperspektralkamera zeigte in dieser Studie folgende Anpassungsvorteile:

• Reiches Spektrum und ein stabiles Signal-Rauschen-Verhältnis: Es deckt das wichtigste sichtbare-nahe-Infrarot-Intervall ab und kann schwache Spektralunterschiede in den frühen Stadien der Krankheit erfassen.
• Tragbar und benutzerfreundlich: Geeignet für die Sammlung in Labor- und In-situ-Feldern und an Anbauszenarien für die Phänotypanalyse angepasst.
• Starke Datenkompatibilität: Ausgangsspektren können direkt mit Deep Learning- und Machine Learning-Workflows verbunden werden, was das Feature Mining und die Optimierung von Modellen unterstützt.

IV. Zusammenfassung

Der Fall zielte auf die frühzeitige und zerstörungsfreie Erkennung der bakteriellen Blattpest von Reis ab und stützte sich auf die FS-IQ-Hyperspektralkamera, um hochwertige Spektraldaten zu erhalten.Kombiniert mit intelligenten Algorithmen, wurde eine empfindliche Bandextraktion und eine präzise Erkennung der Krankheit erreicht, wodurch ein praktikabler technischer Weg für eine Frühwarnung von Pflanzenkrankheiten sowie eine präzise Prävention und Bekämpfung geschaffen wurde.

Die CHNSpec FS-IQ-Reihe der hyperspektralen Kameras mit stabiler Bildverarbeitung und benutzerfreundlicher Bedienung,weiterhin der wissenschaftlichen Forschung und industriellen Szenarien wie der intelligenten Landwirtschaft dienen, pflanzliche Phänotypen und Lebensmittelsicherheit, indem sie den Benutzern helfen, aus komplexen Spektralinformationen wirksame Merkmale zu gewinnen und die Entwicklung der Detektionstechnologie zu einer zerstörungsfreien, effizienten,und kluge Richtungen.

Produktempfehlung: FS-IQ-VISNIR tragbare Hyperspektralkamera

• Spektralbereich: 400-1000 nm
• Spektrallauflösung: 2,5 nm
• Auflösung: 1920*1920
• Anzahl der Spektralkanäle: 1200