在農(nóng)業(yè)生產(chǎn)中,植物病蟲害對農(nóng)作物健康及糧食安全構(gòu)成嚴(yán)峻挑戰(zhàn)。傳統(tǒng)病蟲害檢測方法主要依賴人工目視判斷,在病癥明顯時才能察覺,往往錯過最佳防治時機。易科泰憑借其在光譜成像及葉綠素?zé)晒鉁y量技術(shù)領(lǐng)域的深厚積累與持續(xù)創(chuàng)新,推出多功能高光譜成像技術(shù)、葉綠素?zé)晒獬上窦夹g(shù)及Thermo-RGB成像融合分析技術(shù)等新一代農(nóng)業(yè)傳感器技術(shù),為植物健康檢測、病蟲害早期檢測、作物抗性與敏感性檢測等領(lǐng)域提供快速、無損解決方案,適用于實驗室、野外大田、植物工廠、種苗場、園藝苗圃及現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)園區(qū)等不同場景。
柑橘葉片黃龍病高光譜成像分析:PRI指數(shù)顯示染病葉片的光利用效率顯著降低(易科泰光譜成像實驗室提供)
應(yīng)用案例:
葡萄瘧原蟲(一種葡萄病原菌)的早期檢測可提高殺菌劑的處理效果。捷克科學(xué)院的研究人員使用FluorCam葉綠素?zé)晒獬上裣到y(tǒng)檢測人工接種該病菌的葡萄葉片,發(fā)現(xiàn)光系統(tǒng) II最大光量子效率(Fv/Fm)和有效量子產(chǎn)率(ΦPSII)是對感染較敏感的因子。Fv/Fm和ΦPSII在接種后4天(癥狀出現(xiàn)前3天)即檢測到顯著下降,與后續(xù)孢子釋放區(qū)域高度吻合。ΦPSII的異常區(qū)域更大,反映光合作用受損范圍。說明葉綠素?zé)晒獬上窦夹g(shù)可實現(xiàn)葡萄病原菌感染的早期檢測。
左圖:施藥組葉片(上)和對照組葉片(下)的葉綠素?zé)晒鈪?shù)隨時間的變化情況,光系統(tǒng)II的最大量子產(chǎn)率Fv/Fm、光系統(tǒng)II在高光化光下的有效量子產(chǎn)率 (ΦPSII-HL) 和葡萄藤葉片的組合成像參數(shù) (CI)。右圖:葉片部位的穩(wěn)態(tài)熒光Fs及ΦPSII-HL隨時間變化情況(IF表示被感染的半片葉子、NIF表示未被感染的半片葉子、MIF表示直接被感染的葉斑部分)(參考文獻(xiàn)Cséfalvay L, et al. Pre-symptomatic detection of Plasmopara viticola infection in grapevine leaves using chlorophyll fluorescence imaging[J].)
佛羅里達(dá)大學(xué)的研究人員使用高光譜成像技術(shù)檢測柑橘葉片和未成熟果實上幾個疾病發(fā)展階段(無癥狀、早期和晚期癥狀)的柑橘潰瘍病,這種疾病的無癥狀階段是治療樹木的關(guān)鍵時期。使用徑向基函數(shù) (RBF)、K 最近鄰 (KNN)法對樣品進(jìn)行識別,在RBF方法使用的植被指數(shù)中,水分指數(shù) (WI) 和光化學(xué)反射指數(shù)(PRI)分別更準(zhǔn)確地檢測了潰瘍病的無癥狀階段和早期階段。
上左圖:葉子(a)和未成熟果實(b)的ROI選區(qū)(白色圓圈)及葉子假彩色(c);上右圖:不同潰瘍病階段(健康、無癥狀、疾病早期和晚期)柑橘組織的光譜特征。下左圖:RBF和 KNN對不同潰瘍病階段柑橘組織的分類精度圖;下右圖:RBF 方法使用不同VI 對健康和無癥狀階段柑橘組織的分類準(zhǔn)確率(參考文獻(xiàn):Abdulridha J, et al. UAV-based remote sensing technique to detect citrus canker disease utilizing hyperspectral imaging and machine learning[J]. Remote Sensing, 2019)
樹皮甲蟲是歐洲最具破壞性的昆蟲之一,早期檢測樹皮甲蟲侵害對于控制其擴散至關(guān)重要(尤其在后代羽化前的“綠攻階段”),但此時受侵害樹木外觀上仍保持綠色,難以通過傳統(tǒng)方法識別。瑞典農(nóng)業(yè)科學(xué)大學(xué)的研究人員使用無人機搭載Specim AFX10和AFX17高光譜相機,進(jìn)行了四次飛行(T1、T2、T3、T4),覆蓋從首次受攻擊到后代開始羽化的時間。分析發(fā)現(xiàn)綠肩區(qū)域(490-550 nm)的光譜變化對樹皮甲蟲侵害最敏感,在T3(5-7周)和T4(7-9周)時,綠肩指數(shù)(GSCR1和GSCR2)對樹皮甲蟲侵害的檢測率分別達(dá)到0.76和0.83,表明可在樹皮甲蟲后代羽化前使用高光譜成像技術(shù)進(jìn)行早期檢測。
上左圖:RGB正射影像圖(藍(lán)點表示健康樹木,紅點表示受侵害樹木);上右圖:樹冠分割示例(a)局部最大值檢測(b)分水嶺分割(c)與參考數(shù)據(jù)的匹配(d)健康樹冠(e)受侵害樹冠;下圖:T1、T2、T3、T4時期綠色肩部反射率曲線(a1、a2、a3、a4)一階導(dǎo)數(shù)(b1、b2、b3、b4)二階導(dǎo)數(shù)(c1、c2、c3、c4)曲線(其中GSIP是反射光譜上的最大斜率點,GSCP是最大曲率點,分別對應(yīng)一階導(dǎo)波峰和二階導(dǎo)波谷)(參考文獻(xiàn):Huo L, et al. Bark beetle pre-emergence detection using multi-temporal hyperspectral drone images: Green shoulder indices can indicate subtle tree vitality decline[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2024.)
北京易科泰生態(tài)技術(shù)公司長期致力于生態(tài)-農(nóng)業(yè)-健康領(lǐng)域儀器的研發(fā)、應(yīng)用與推廣,為植物病蟲害檢測研究提供從實驗室到野外,從地面到無人機遙感全方位解決方案,如有需要,歡迎垂詢!