Спектральные сигнатуры ржавчины пшеницы по гиперспектральным данным: потенциал методов машинного обучения

Аннотация

В исследовании представлен подход к выявлению ржавчины и дифференциации поражений с применением гиперспектральной визуализации и методов машинного обучения. Анализ различий в спектральных характеристиках поражений колоса, листа и стебля пшеницы показал закономерности между светоотражением и структурой растений и возбудителей заболеваний. Здоровые участки имеют высокий коэффициент отражения за счет нормальной клеточной структуры и содержания в ней хлорофилла. Более низкая интенсивность выявлена у засохших участков, связанных с потерей влаги и нарушением структуры растения. Пораженные ржавчиной зоны обладают низкими коэффициентами отражения, что связано с деградацией тканей и накоплением темных пигментов у возбудителей, способствующих устойчивости к внешним стрессам. Это формирует характерный спектральный профиль, позволяющий наглядно идентифицировать болезнь. В результате с целью идентификации присутствия поражений возбудителями Puccinia graminis, Puccinia triticina была построена классификационная модель на основе алгоритма Random Forest для распознавания зон, пораженных ржавчиной, с общей точностью классификации 94 %. Полученные значения указывают на высокую способность модели выявлять поражения ржавчиной, что подтверждает перспективность синергетического анализа гиперспектральных данных в сочетании с алгоритмами ансамблевого машинного обучения для неинвазивного выявления ржавчинных заболеваний пшеницы.