Гиперспектральные камеры обеспечивают точную идентификацию вредителей насекомых: исследование на пшеничных полях

На фоне глобальных проблем продовольственной безопасности своевременный мониторинг и точная профилактика и борьба с сельскохозяйственными вредителями стали важными темами в сельскохозяйственной сфере.Традиционные методы идентификации вредителей основаны на ручной визуальной проверке и морфологической идентификации, которые не только требуют времени и трудоемкости, но и затрудняют достижение масштабного мониторинга в реальном времени.Сочетание гиперспектральной технологии визуализации и алгоритмов машинного обучения открыло новый путь для автоматической идентификации вредителей насекомых.

В декабре 2025 года в международном академическом журнале "Биология" была опубликована исследовательская статья под названием "Гиперспектральное изображение и машинное обучение для автоматической идентификации вредителей в зерновых культурах"." Исследование было завершено исследовательскими группами из нескольких университетов Казахстана. ИспользованиеГиперспектральная камера FigSpec FS-13Произведенные компанией Hangzhou CHNSpec Technology Co., Ltd., они провели спектрологический анализ характеристик и классификационное моделирование для 12 основных вредителей на пшеничных полях.подтверждение применения данного оборудования в области мониторинга сельскохозяйственных вредителей.

Преимущества гиперспектральной визуализации при выявлении насекомых

Технология гиперспектральной визуализации может получать сотни непрерывных узкодиапазонных спектральных данных в диапазоне от видимых до ближнего инфракрасного диапазона волн (обычно 400-1000 нм),образуя полную спектральную кривую для каждого пикселяВ отличие от обычных RGB камер,Гиперспектральные изображения не только записывают пространственную морфологию объектов, но и показывают характеристики спектральной реакции их материальных компонентов и поверхностных структур.

Для насекомых такие факторы, как различные типы поверхностных пигментов, хитинные структуры, прозрачность крыльев и шероховатость поверхности, будут производить уникальные спектральные характеристики отражения.Эти "спектральные отпечатки пальцев" позволяют гиперспектральным изображениям различать морфологически похожие виды и даже идентифицировать скрытые вредители.

Основные результаты исследований

1.Значительные различия в спектральных характеристиках различных вредителей

Результаты исследования показали, что разные виды насекомых демонстрируют значительно различные спектральные кривые отражения в видимой и ближней инфракрасной полосах.

• Поверхностные пигменты: светлые или яркие насекомые (например, желто-зелёные, белые) обладают более высокой отражающей способностью, в то время как темнокожие или черные насекомые (например, блошиные жуки) имеют более низкую отражающую способность.
• Структура крыльев: Прозрачные или полупрозрачные крылья (например, мухи пшеничных семян, пшеничные трипы) показывают высокие пики отражения в ближнем инфракрасном диапазоне.
• Текстура поверхности: гладкая элитра имеет более высокую отражательную способность, чем грубая или волосатая поверхность тела.
• Типы хитина: различные кристаллические формы хитина (α, β, γ типы) влияют на спектральные характеристики поглощения.

Например, Trigonotylus ruficornis (краснорогая миридная жучка) имеет отражательную способность до 90-110% из-за его светло-желто-зеленого цвета тела;Chaetocnema aridula (бутовый стебель блох жука) имеет отражательную способность только 10~20% из-за его темно-черного цвета тела.

2Анализ PCA выявляет основные компоненты спектральных различий

Анализ уменьшения габаритов PCA показал, что первые два основных компонента могут объяснить более 80% спектральной дисперсии.Первый основной компонент (PC1) в основном отражает общую разницу яркости., а второй основной компонент (PC2) связан с тонкими структурами поверхности тела и изменениями пигмента.Различные виды представляли различную степень разделения кластеров на графике оценки PCA, предоставляя основу для последующей классификации.

3.Сильная производительность модели классификации PLS-DA

Исследовательская группа построила модель классификации PLS-DA на основе спектральных данных, собранных FigSpec FS-13, для выявления 12 типов вредителей.Показатели оценки модели включали коэффициент определения (R2), предсказательная способность (Q2) и корневая средняя квадратная ошибка калибровки (RMSEC).

Для видов с яркими цветами тела и большими размерами (например, скарабеи, зеленые кустарники), точность идентификации модели может достигать около 90%;для видов с темными цветами тела и крошечными размерами (например, жуки-пыхлы).В целом модель PLS-DA может эффективно различать 12 типов вредителей,по проверке надежности гиперспектральных данных FigSpec FS-13 при классификации насекомых.

Заключение

Данный исследовательский случай демонстрирует потенциал применения гиперспектральной камеры FigSpec FS-13 в области анализа спектральных особенностей насекомых-вредителей и классификации машинного обучения.Как отечественное гиперспектральное изобразительное устройство, FS-13, с его стабильной производительностью и богатыми вспомогательными функциями анализа,предоставляет надежный инструмент для научных исследований и промышленного применения в таких областях, как мониторинг сельскохозяйственных болезней и вредителей, испытания безопасности пищевых продуктов и сортировка материалов.

С постоянным ростом спроса на высокоточное сельское хозяйство и интеллектуальную защиту растений технология гиперспектральной визуализации будет играть все более важную роль в будущем управлении сельскохозяйственными угодьями.

(Оригинальный документ можно прочитать, поискавhttps://doi.org/10.3390/biology14121715)