Detección y análisis de la pudrición de raíces de pimiento por tecnología de imágenes hiperespectrales
Autores: Shao, Yuanyuan; Ji, Shengheng; Xuan, Guantao; Ren, Yanyun; Feng, Wenjie; Jia, Huijie; Wang, Qiuyun; He, Shuguo
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Detección y análisis de la pudrición de raíces de pimiento por tecnología de imágenes hiperespectrales
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Desarrollo de dispositivo portátil
Identificación de pudrición de raíces
Tecnología de imagen hiperespectral
Hojas de pimiento picante
Hongos de pudrición de raíces de Fusarium
Detección temprana
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 28
Citaciones: Sin citaciones
El objetivo es desarrollar un dispositivo portátil capaz de identificar rápidamente la pudrición de raíces en el campo. Este estudio emplea la tecnología de imágenes hiperespectrales para detectar la pudrición de raíces analizando las variaciones espectrales en las hojas de pimiento durante los periodos de salud, incubación y enfermedad bajo el estrés de la pudrición de raíces. Dos tipos de semillas de pimiento (Manshanhong y Shanjiao No. 4) fueron cultivadas hasta que crecieron dos o tres pares de hojas verdaderas. Posteriormente, plantas jóvenes robustas fueron infectadas con hongos de pudrición de raíces Fusarium mediante la técnica de riego de raíces. La longitud de onda efectiva para discriminar entre etapas distintas fue determinada utilizando el algoritmo de proyecciones sucesivas (SPA) después de capturar imágenes hiperespectrales. El índice óptimo relacionado con la pudrición de raíces entre cada índice espectral de diferencia normalizada (NDSI) fue obtenido utilizando el coeficiente de correlación de Pearson. La detección temprana de la enfermedad de pudrición de raíces puede ser modelada utilizando información espectral en longitudes de onda efectivas y en NDSI, junto con la aplicación de análisis discriminante de mínimos cuadrados parciales (PLS-DA), máquina de vectores de soporte de mínimos cuadrados (LSSVM) y tecnología de red neuronal de retropropagación (BP). El modelo SPA-BP demuestra capacidades predictivas sobresalientes en comparación con otros modelos, con una precisión de clasificación del 92.3% para el conjunto de predicción. Sin embargo, emplear SPA para adquirir un número excesivo de longitudes de onda eficientes no es ventajoso para la detección inmediata en escenarios de campo prácticos. En contraste, el modelo NDSI (R, R)-BP utiliza solo dos longitudes de onda de información espectral, pero la precisión de predicción puede alcanzar el 89.7%, lo cual es más adecuado para la detección rápida de la pudrición de raíces. Esta tesis puede proporcionar apoyo teórico para la detección temprana de la pudrición de raíces de pimiento y apoyo técnico para el diseño de un detector portátil de pudrición de raíces.
Descripción
El objetivo es desarrollar un dispositivo portátil capaz de identificar rápidamente la pudrición de raíces en el campo. Este estudio emplea la tecnología de imágenes hiperespectrales para detectar la pudrición de raíces analizando las variaciones espectrales en las hojas de pimiento durante los periodos de salud, incubación y enfermedad bajo el estrés de la pudrición de raíces. Dos tipos de semillas de pimiento (Manshanhong y Shanjiao No. 4) fueron cultivadas hasta que crecieron dos o tres pares de hojas verdaderas. Posteriormente, plantas jóvenes robustas fueron infectadas con hongos de pudrición de raíces Fusarium mediante la técnica de riego de raíces. La longitud de onda efectiva para discriminar entre etapas distintas fue determinada utilizando el algoritmo de proyecciones sucesivas (SPA) después de capturar imágenes hiperespectrales. El índice óptimo relacionado con la pudrición de raíces entre cada índice espectral de diferencia normalizada (NDSI) fue obtenido utilizando el coeficiente de correlación de Pearson. La detección temprana de la enfermedad de pudrición de raíces puede ser modelada utilizando información espectral en longitudes de onda efectivas y en NDSI, junto con la aplicación de análisis discriminante de mínimos cuadrados parciales (PLS-DA), máquina de vectores de soporte de mínimos cuadrados (LSSVM) y tecnología de red neuronal de retropropagación (BP). El modelo SPA-BP demuestra capacidades predictivas sobresalientes en comparación con otros modelos, con una precisión de clasificación del 92.3% para el conjunto de predicción. Sin embargo, emplear SPA para adquirir un número excesivo de longitudes de onda eficientes no es ventajoso para la detección inmediata en escenarios de campo prácticos. En contraste, el modelo NDSI (R, R)-BP utiliza solo dos longitudes de onda de información espectral, pero la precisión de predicción puede alcanzar el 89.7%, lo cual es más adecuado para la detección rápida de la pudrición de raíces. Esta tesis puede proporcionar apoyo teórico para la detección temprana de la pudrición de raíces de pimiento y apoyo técnico para el diseño de un detector portátil de pudrición de raíces.