Máy ảnh siêu phổ giúp nhận dạng chính xác sâu bệnh hại: Nghiên cứu từ cánh đồng lúa mì

Trong bối cảnh các thách thức về an ninh lương thực toàn cầu, việc theo dõi kịp thời và phòng ngừa và kiểm soát chính xác các loài gây hại nông nghiệp đã trở thành các chủ đề quan trọng trong lĩnh vực nông nghiệp.Các phương pháp xác định dịch hại truyền thống dựa trên kiểm tra trực quan bằng tay và xác định hình thái, không chỉ tốn thời gian và tốn công sức mà còn rất khó để thực hiện giám sát thời gian thực quy mô lớn.sự kết hợp công nghệ hình ảnh siêu phổ và thuật toán học máy đã mở ra một con đường mới cho việc xác định tự động các loài côn trùng gây hại.

Vào tháng 12 năm 2025, tạp chí học thuật quốc tế "Hóa học" đã xuất bản một bài nghiên cứu có tựa đề "Hình ảnh siêu phổ và Học máy để xác định tự động dịch hại trong cây trồng ngũ cốc"." Nghiên cứu được hoàn thành bởi các nhóm nghiên cứu từ nhiều trường đại học ở Kazakhstan. Sử dụngChiếc máy ảnh siêu phổ FigSpec FS-13được sản xuất bởi Hangzhou CHNSpec Technology Co., Ltd, họ đã tiến hành phân tích đặc điểm quang phổ và mô hình phân loại cho 12 loài gây hại chính trong các cánh đồng lúa mì,chứng minh giá trị ứng dụng của thiết bị này trong lĩnh vực giám sát dịch hại nông nghiệp.

Lợi thế của hình ảnh siêu phổ trong xác định côn trùng

Công nghệ hình ảnh siêu phổ có thể thu thập hàng trăm thông tin phổ băng tần hẹp liên tục trong phạm vi bước sóng hiển thị đến cận hồng ngoại (thường là 400 ∼ 1000 nm),tạo ra một đường cong quang phổ hoàn chỉnh cho mỗi pixelKhông giống như máy ảnh RGB thông thường,hình ảnh siêu phổ không chỉ ghi lại hình thái không gian của các vật thể mà còn tiết lộ đặc điểm phản ứng phổ của các thành phần vật liệu và cấu trúc bề mặt của chúng.

Đối với côn trùng, các yếu tố như các loại sắc tố bề mặt khác nhau, cấu trúc chitin, độ minh bạch cánh và độ thô bề mặt sẽ tạo ra các đặc điểm phản xạ quang phổ độc đáo.Những "dấu vân tay quang phổ" này cho phép hình ảnh siêu quang phổ phân biệt các loài hình dạng tương tự và thậm chí xác định các loài gây hại ẩn.

Kết quả nghiên cứu chính

1Sự khác biệt đáng kể trong các đặc điểm phổ của các loài gây hại khác nhau

Kết quả nghiên cứu cho thấy các loài côn trùng khác nhau có đường cong quang phổ phản xạ khác nhau đáng kể trong các băng tần hiển thị đến cận hồng ngoại.

• Các sắc tố bề mặt: Côn trùng màu sáng hoặc sáng (như màu vàng xanh lá cây, trắng) có khả năng phản xạ cao hơn, trong khi côn trùng màu tối hoặc đen (như bọ chét bọ chét) có khả năng phản xạ thấp hơn.
• Cấu trúc cánh: Các cánh trong suốt hoặc bán trong suốt (chẳng hạn như ruồi hạt lúa mì, ruồi lúa mì) cho thấy đỉnh phản xạ cao trong vùng hồng ngoại gần.
• Xấu trúc bề mặt: Elytra mịn có độ phản xạ cao hơn so với bề mặt cơ thể thô hoặc lông.
• Các loại chitin: Các dạng tinh thể khác nhau của chitin (loại α, β, γ) ảnh hưởng đến đặc điểm hấp thụ quang phổ.

Ví dụ, Trigonotylus ruficornis (quái vật mirid sừng đỏ) có độ phản xạ cao đến 90 ∼ 110% do màu thân màu vàng-xanh nhạt;Chaetocnema aridula (quế bọ chét gốc ngũ cốc) chỉ có khả năng phản xạ 10~20% do màu đen sâu của cơ thể.

2Phân tích PCA cho thấy các thành phần chính của sự khác biệt quang phổ

Phân tích giảm kích thước PCA cho thấy hai thành phần chính đầu tiên có thể giải thích hơn 80% chênh lệch quang phổ.Thành phần chính đầu tiên (PC1) chủ yếu phản ánh sự khác biệt độ sáng tổng thể, trong khi thành phần chính thứ hai (PC2) liên quan đến các cấu trúc bề mặt cơ thể tinh tế và thay đổi sắc tố.Các loài khác nhau cho thấy mức độ tách cụm khác nhau trong biểu đồ điểm PCA, cung cấp cơ sở cho việc phân loại sau này.

3Hiệu suất mạnh mẽ của mô hình phân loại PLS-DA

Nhóm nghiên cứu đã xây dựng mô hình phân loại PLS-DA dựa trên dữ liệu quang phổ được thu thập bởi FigSpec FS-13 để xác định 12 loại sâu bệnh.Các chỉ số đánh giá mô hình bao gồm hệ số xác định (R2), khả năng dự đoán (Q2), và sai số bình phương gốc (RMSEC).

Đối với các loài có màu sắc cơ thể sống động và kích thước lớn (như bọ chét, sên cây xanh), độ chính xác nhận dạng mô hình có thể đạt khoảng 90%;cho các loài có màu thân tối và kích thước nhỏ (chẳng hạn như bọ chét bọ chét), thrips), độ chính xác thấp hơn một chút nhưng vẫn nằm trong phạm vi chấp nhận được.xác minh độ tin cậy của dữ liệu siêu phổ FigSpec FS-13 trong phân loại côn trùng.

Kết luận

Trường hợp nghiên cứu này chứng minh tiềm năng ứng dụng của máy ảnh siêu phổ FigSpec FS-13 trong phân tích đặc điểm quang phổ của côn trùng gây hại và phân loại học máy.Là một thiết bị hình ảnh siêu phổ sản xuất trong nước, FS-13, với hiệu suất ổn định và chức năng phân tích hỗ trợ phong phú,cung cấp một công cụ đáng tin cậy cho nghiên cứu khoa học và ứng dụng công nghiệp trong các lĩnh vực như giám sát bệnh nông nghiệp và dịch hại, kiểm tra an toàn thực phẩm, và phân loại vật liệu.

Với nhu cầu ngày càng tăng về nông nghiệp chính xác và bảo vệ thực vật thông minh, công nghệ hình ảnh siêu phổ sẽ đóng một vai trò ngày càng quan trọng trong quản lý đất nông nghiệp trong tương lai.

(Bản gốc có thể được đọc bằng cách tìm kiếmhttps://doi.org/10.3390/biology14121715)