Oförstörande inspektion för detektering av växtstress, sjukdomsdiagnos och analys av näringsbrist

Icke-destruktiv identifiering och tidig upptäckt av växtsjukdomar?

Hyperspektral avbildning och SPAD-mätning för övervakning av växthälsa och sjukdomsdetektering med hjälp av bildbehandlingstekniker

Tillförlitlig och snabb identifiering av växtsjukdomar är en avgörande utmaning i det moderna jordbruket. Tidig upptäckt av förhållanden som påverkar växternas hälsa, som insekter, svampar eller näringsbrist, kan hjälpa forskare att förebygga biotisk och abiotisk stress hos växter.

Konventionella metoder förlitar sig på manuell observation av synliga symptom. Manuella metoder kan vara tidskrävande, arbetsintensiva och begränsade till sena infektionsstadier. Synliga symtom tenderar att uppträda i mitten eller i ett sent infektionsstadium, vilket ökar sannolikheten för spridning eller minskad avkastning. Traditionella metoder för kemisk analys kräver destruktiv provtagning av växtvävnad, vilket kan vara tidskrävande och ytterligare stressa en sjuk växt.

För att komma till rätta med dessa begränsningar finns det ett växande intresse för att använda automatiserade och objektiva metoder för tidig sjukdomsidentifiering. Bildanalystekniker, särskilt med hyperspektrala och RGB-bildsensorer, erbjuder lovande lösningar för exakt och icke-invasiv sjukdomsdetektering.

Vilka är metoderna för upptäckt av växtsjukdomar?

Det finns en växande mängd forskning inom området bildanalystekniker, maskininlärningsalgoritmer och fenotypning med hög kapacitet för identifiering och förutsägelse av stress. Genom att utnyttja olika bildsensorer, inklusive RGB, hyperspektral, termisk och klorofyllfluorescens, ger dessa metoder objektiv och känslig upptäckt av biotiska och abiotiska påfrestningar i växter.

Automatiserade tekniker för sjukdomsidentifiering, t.ex. hyperspektral- och RGB-bilder i kombination med avancerad bildanalys och maskininlärning, är mycket lovande när det gäller att förbättra skötselmetoderna för grödor. Dessa icke-invasiva och objektiva metoder möjliggör tidig upptäckt av växtsjukdomar, vilket underlättar snabb intervention och exakt resursfördelning. Genom att utnyttja framstegen inom teknik och dataanalys driver forskarna på utvecklingen av effektivare och mer exakta metoder för sjukdomsidentifiering, vilket banar väg för ett hållbart jordbruk och förbättrad hälsa hos grödorna.

Hyperspektral avbildning (HSI), en ny teknik, fångar detaljerad information om reflektans över ett brett spektrum av ljus som sträcker sig bortom människans syn. Detta gör det möjligt att identifiera subtila förändringar i växternas tillväxt och utveckling, t.ex. ackumulering av pigment som antocyanin. När växterna utsätts för stress, t.ex. högintensivt ljus eller näringsbrist, påverkas deras tillväxt och avkastning. Ackumuleringen av antocyanin är en tidig indikator på denna stress. Vanligtvis börjar ackumuleringen i ett litet område, vilket gör det svårt att se.

Genom att mäta intensiteten hos det ljus som reflekteras eller absorberas av växten kan en HSI-kamera identifiera förändringar inom specifika spektralområden för att lokalisera förändringar i växtens biologiska, kemiska och fysiska egenskaper.

Hyperspektrala bildkameror för tidig upptäckt av växtsjukdomar