Xác định bệnh bầm lông gạo bằng máy ảnh siêu phổ

Trong nghiên cứu này, một máy ảnh siêu phổ 400-1000nm đã được áp dụng và FS23, một sản phẩm của Hangzhou Color Spectrum Technology Co., LTD., có thể được sử dụng cho nghiên cứu liên quan.FigSpec® series imaging hyperspectral cameras sử dụng một transmission grating beam splitting module với hiệu quả nhiễu xạ cao và một camera bề mặt độ nhạy cao, kết hợp với công nghệ hình ảnh quét tích hợp và công nghệ camera phụ trợ,để giải quyết các máy ảnh siêu quang phổ truyền thống đòi hỏi cơ chế hình ảnh push-scan bên ngoài và tập trung phức tạp và các vấn đề khó khăn khácNó có thể được tích hợp trực tiếp với ống kính hình ảnh giao diện C tiêu chuẩn hoặc kính hiển vi để đạt được hình ảnh quang phổ nhanh chóng.

Nông nghiệp chính xác là một cách quan trọng để đạt được mức tiêu thụ thấp, hiệu quả cao, chất lượng cao và an toàn trong nông nghiệp.năng suất ổn định và năng suất cao của gạo luôn là trọng tâm của sản xuất nông nghiệp của chúng tôi, và kiểm soát bệnh kịp thời và hiệu quả là một đảm bảo quan trọng để đạt được năng suất ổn định và năng suất cao.Nếu nguyên nhân và mức độ thiệt hại của cây trồng bị hư hại có thể được phát hiện ở giai đoạn đầu của bệnh lúa, kết hợp với ứng dụng biến thể trong nông nghiệp tinh tế, tỷ lệ bệnh nhiễm bệnh gạo có thể được giảm hiệu quả, phạm vi gây hại có thể được thu hẹp,và sản lượng gạo có thể được tăng hiệu quảỨng dụng biến chủ yếu đề cập đến việc chẩn đoán kịp thời nguyên nhân và mức độ thiệt hại của cây trồng bị ảnh hưởng theo thông tin về sâu bệnh và bệnh cây trồng,và ứng dụng các tác nhân hóa học theo điều trị bệnh thích hợp, điều kiện địa phương và nhu cầu, để giảm sử dụng các tác nhân hóa học và đạt được mục đích phòng ngừa và kiểm soát kịp thời.

Trong nghiên cứu này, công nghệ hình ảnh siêu quang đã được sử dụng để nhận ra bệnh vỏ gạo. mô hình phân tích phân biệt PLS-DA được thiết lập sau khi xử lý trước các quang phổ ban đầu khác nhau,và đạt được kết quả tốtVới các phương pháp xử lý trước SG, SNV và MSC, độ chính xác của phân biệt mẫu dự đoán lần lượt là 82,8%, 92,1% và 89,1%.Mô hình PLS-DA được thiết lập bởi quang phổ xử lý trước SNV có độ chính xác cao nhất, trong khi mô hình PLS-DA được thiết lập bởi quang phổ xử lý trước SG có độ chính xác thấp nhất, nhưng độ chính xác là hơn 80%.Độ chính xác của bộ dự đoán của các mô hình phân biệt LDA và BPNN dựa trên việc chiết xuất thông tin đặc điểm MNF là 95.3% và 98.4%, tương ứng, tốt hơn so với mô hình PLS-DA dựa trên tất cả các băng tần.Mô hình BPNN dựa trên việc chiết xuất thông tin đặc điểm MNF đạt được hiệu ứng phân biệt tối ưu, và độ chính xác của bộ mô hình và bộ dự đoán là 99,1% và 98,4% tương ứng.,và thuật toán MNF có thể được sử dụng để chiết xuất thông tin đặc trưng để đại diện cho quang phổ ban đầu, và giảm đáng kể số lượng tính toán.Các thuật toán có triển vọng ứng dụng rộng trong quá trình nhận dạng nhanh và mô hình hóa bệnh gạo.