Câmeras hiperespectrais permitem a identificação precisa de pragas de insetos: estudo de campos de trigo

No contexto dos desafios globais da segurança alimentar, a monitorização atempada e a prevenção e controlo precisos das pragas agrícolas tornaram-se temas importantes no domínio agrícola.Os métodos tradicionais de identificação de pragas baseiam-se na inspecção visual manual e na identificação morfológica, que não só são demoradas e laboriosas, mas também difíceis de realizar em larga escala, em tempo real.A combinação de tecnologia de imagem hiperespectral e algoritmos de aprendizagem de máquina abriu um novo caminho para a identificação automatizada de pragas de insetos.

Em dezembro de 2025, a revista acadêmica internacional "Biologia" publicou um artigo de pesquisa intitulado "Imagem hiperespectral e aprendizado de máquina para identificação automatizada de pragas em culturas de cereais"." A pesquisa foi concluída por equipas de pesquisa de várias universidades do Cazaquistão. Utilizando oFigSpec FS-13 câmara hiperspectralproduzidos pela Hangzhou CHNSpec Technology Co., Ltd., conduziram uma análise espectral das características e um modelo de classificação para 12 das principais pragas nos campos de trigo,demonstrando o valor de aplicação deste equipamento no domínio da monitorização de pragas agrícolas.

Vantagens da Imagem Hiperspectral na Identificação de Insetos

A tecnologia de imagem hiperespectral pode obter centenas de informações espectral contínuas de banda estreita na faixa de comprimentos de onda visíveis a infravermelhos próximos (normalmente 400-1000 nm),formando uma curva espectral completa para cada pixelAo contrário das câmaras RGB normais,As imagens hiperespectrais não só registram a morfologia espacial dos objetos, mas também revelam as características de resposta espectral de seus componentes materiais e estruturas de superfície.

Para os insetos, fatores como diferentes tipos de pigmentos da superfície, estruturas de quitina, transparência das asas e rugosidade da superfície produzirão características de reflexão espectral únicas.Essas "impressões digitais espectral" permitem que a imagem hiperespectral distinga espécies morfologicamente semelhantes e até mesmo identifique pragas ocultas.

Principais resultados da investigação

1.Diferenças significativas nas características espectrais de diferentes pragas

Os resultados da pesquisa mostraram que diferentes espécies de insetos exibiam curvas espectrais de reflexão significativamente diferentes nas faixas visíveis a infravermelho próximo.

• Pigmentos da superfície: Insetos de cor clara ou brilhante (como amarelo-verde, branco) têm maior refletividade, enquanto insetos de cor escura ou preta (como besouros pulgas) têm menor refletividade.
• Estrutura das asas: As asas transparentes ou semi-transparentes (como moscas da semente de trigo, trips de trigo) apresentam altos picos de reflexão na região do infravermelho próximo.
• Texturas da superfície: as elítras lisas têm maior refletividade do que as superfícies ásperas ou peludas do corpo.
• Tipos de quitina: diferentes formas cristalinas de quitina (tipos α, β, γ) afetam as características de absorção espectral.

Por exemplo, o Trigonotylus ruficornis (bactérias miridas de chifre vermelho) tem uma refletividade tão elevada quanto 90 ‰ 110%, devido à sua cor corporal amarelo-verde claro;Chaetocnema aridula (escaravelho das pulgas do tronco de cereais) tem uma refletividade de apenas 10~20% devido à sua cor escura do corpo.

2A análise PCA revela os principais componentes das diferenças espectrais

A análise da redução de dimensão do PCA mostrou que os dois primeiros componentes principais podiam explicar mais de 80% da variância espectral.O primeiro componente principal (PC1) reflete principalmente a diferença de brilho global, enquanto o segundo componente principal (PC2) está relacionado com estruturas sutis da superfície do corpo e alterações de pigmento.Diferentes espécies apresentaram diferentes graus de separação dos aglomerados no gráfico de pontuação PCA, fornecendo uma base para uma classificação posterior.

3.Desenvolvimento robusto do modelo de classificação PLS-DA

A equipa de investigação construiu um modelo de classificação PLS-DA com base nos dados espectrais recolhidos pelo FigSpec FS-13 para identificar 12 tipos de pragas.Os indicadores de avaliação do modelo incluíram o coeficiente de determinação (R2), capacidade preditiva (Q2) e erro quadrado médio da raiz da calibração (RMSEC).

Para as espécies com cores vivas do corpo e grandes dimensões (como escaravelhos, grilos da mata verde), a precisão de identificação do modelo pode atingir cerca de 90%;para espécies com cor corporal escura e tamanhos pequenos (como escaravelhos-pulgas), trips), a precisão é ligeiramente inferior, mas permanece dentro de um intervalo aceitável.que verifica a fiabilidade dos dados hiperespectrais FigSpec FS-13 na classificação de insetos.

Conclusão

Este caso de investigação demonstra o potencial de aplicação da câmara hiperspectral FigSpec FS-13 na análise das características espectrais de pragas de insetos e na classificação por aprendizagem automática.Como um dispositivo de imagem hiperespectral produzido internamente, o FS-13, com o seu desempenho estável e as suas ricas funções de análise de apoio,fornece uma ferramenta fiável para a investigação científica e aplicações industriais em domínios como a monitorização de doenças agrícolas e de pragas, testes de segurança alimentar e triagem de materiais.

Com o crescimento contínuo da procura de agricultura de precisão e de protecção inteligente das plantas, a tecnologia de imagem hiperespectral desempenhará um papel cada vez mais importante na futura gestão das terras agrícolas.

(O artigo original pode ser lido através da pesquisaO presente regulamento entra em vigor no dia seguinte ao da sua publicação no Jornal Oficial da União Europeia.)