Caso de Aplicação. FS-IQ Câmera Hiperspectral Auxilia na Detecção Precoce Não Destrutiva da Peste Bacteriana das Folhas do Arroz.

A ferrugem bacteriana das folhas do arroz é uma doença importante que afeta a produção do arroz e a segurança alimentar. As inspeções de campo tradicionais têm dificuldade em identificar a doença durante a fase assintomática e, quando as lesões aparecem, a eficácia da prevenção e do controlo é significativamente reduzida. A imagem hiperespectral, com sua característica de combinar imagens e espectros, pode capturar sutis alterações fisiológicas e bioquímicas causadas pela doença, tornando-se um importante meio para o diagnóstico precoce de doenças em plantas.

Em um estudo orientado para o diagnóstico precoce da doença bacteriana das folhas do arroz, a equipe de pesquisa científica selecionou a câmera hiperespectral portátil FigSpec FS-IQ-VISNIR produzida pela CHNSpec para realizar a coleta de dados, fornecendo uma fonte de dados espectrais estável e confiável para o reconhecimento inteligente de doenças.

I. Equipamento Experimental e Coleta de Dados

• Modelo do Equipamento: Câmera Hipespectral FigSpec FS-IQ-VISNIR.
• Faixa espectral: 400-1000 nm, com resolução espectral de 2,5 nm.
• Condições de recolha: Dia de sol entre as 10h00 e as 14h00; a distância da lente ao dossel era de 60-80 cm; Os valores de DN foram controlados em 3.000-4.000 ajustando o tempo de exposição em tempo real para reduzir o impacto da superexposição e do ruído.
• Objetos Experimentais: Amostras de folhas de arroz de três níveis: saudáveis, levemente infectadas (estágio assintomático) e gravemente infectadas.

A câmera hiperespectral FS-IQ oferece suporte a imagens rápidas e sem contato e pode adquirir informações espectrais foliares de maneira estável em ambientes controlados e cenários de campo, estabelecendo a base de dados para extração de recursos subsequente e treinamento de modelo.

II. Pré-processamento de dados e mineração de banda chave

Os dados hiperespectrais originais foram submetidos à correção de corrente escura, correção de quadro branco e suavização Savitzky-Golay. Após a remoção das bandas de baixa relação sinal-ruído em ambas as extremidades, 243 bandas de alta qualidade foram retidas para análise de modelagem.

O estudo utilizou métodos de aprendizagem profunda para filtrar bandas características sensíveis à queima bacteriana das folhas de todo o espectro, concentradas principalmente em:

• Região do Pico Verde (520–550 nm): Relacionada a alterações no conteúdo de clorofila.
• Região da Borda Vermelha (680–720 nm): Refletindo a estrutura das células foliares e os estados de estresse.

Usar apenas cerca de 8% das bandas principais pode reter a maior parte das informações discriminatórias, reduzindo a dimensionalidade dos dados e, ao mesmo tempo, melhorando a eficiência operacional do modelo e a estabilidade do reconhecimento.

III. Efeito de reconhecimento de doenças e valor de aplicação

Na tarefa de classificação e reconhecimento da queima bacteriana das folhas, a verificação do modelo foi realizada com base nos dados espectrais obtidos pelo FS-IQ:

• Usando um pequeno número de bandas centrais como entrada, a precisão da classificação atingiu mais de 96%, o que foi melhor do que a entrada direta de todo o espectro.
• Para cenários com amostras desequilibradas, após expandir as amostras minoritárias através de métodos generativos, o desempenho geral do modelo melhorou entre 6% e 13%.
• Os resultados da seleção de bandas foram consistentes com as leis das mudanças fisiológicas das plantas, possuindo boa interpretabilidade mecanística.

A câmera hiperespectral FS-IQ demonstrou as seguintes vantagens de adaptação neste estudo:

• Bandas ricas e relação sinal-ruído estável: Cobrindo o principal intervalo visível-infravermelho próximo, pode capturar diferenças espectrais fracas nos estágios iniciais da doença.
• Portátil e fácil de usar: Adequado para coleta em laboratório e campo in-situ, adaptando-se a cenários de análise de fenótipo de cultura.
• Forte compatibilidade de dados: Os espectros de saída podem ser conectados diretamente a fluxos de trabalho de aprendizado profundo e de aprendizado de máquina, oferecendo suporte à mineração de recursos e à otimização de modelos.

4. Resumo

Visando a detecção precoce não destrutiva da doença bacteriana das folhas do arroz, este caso contou com a câmera hiperespectral FS-IQ para obter dados espectrais de alta qualidade. Combinado com algoritmos inteligentes, alcançou extração de bandas sensíveis e reconhecimento preciso de doenças, fornecendo um caminho técnico viável para alerta precoce de doenças nas culturas e prevenção e controle precisos.

As câmeras hiperespectrais da série CHNSpec FS-IQ, com desempenho de imagem estável e uma experiência de operação fácil de usar, continuam a atender pesquisas científicas e cenários industriais, como agricultura inteligente, fenótipos de plantas e segurança alimentar, ajudando os usuários a extrair recursos eficazes de informações espectrais complexas e promovendo o desenvolvimento de tecnologia de detecção em direções não destrutivas, eficientes e inteligentes.

Recomendação de produto: Câmera hiperespectral portátil FS-IQ-VISNIR

• Faixa espectral: 400-1000nm
• Resolução espectral: 2,5 nm
• Resolução de imagem: 1920*1920
• Número de canais espectrais: 1200