การระบุโรคพยาธิของหม้อข้าว โดยการถ่ายภาพด้วยกล้องไฮเปอร์สเปคตรัล

ในการศึกษานี้, กล้องความยาวเกิน 400-1000nm ได้ถูกนําไปใช้, และ FS23, สินค้าของ Hangzhou Color Spectrum Technology Co., LTD., สามารถใช้ในการวิจัยที่เกี่ยวข้อง.กล้องถ่ายภาพแบบย้อนยุค FigSpec® ใช้โมดูลการแยกรัดรังขั้วส่งสัญญาณที่มีประสิทธิภาพการสับสนสูง และกล้องระดับผิวความรู้สึกสูง, รวมถึงการสแกนภาพในตัว และเทคโนโลยีกล้องช่วยเพื่อแก้ปัญหาของกล้องไฮเปอร์สเปคตรัลแบบดั้งเดิม ต้องใช้กลไกการถ่ายภาพแบบ push-scan ภายนอก และการโฟกัสที่ซับซ้อน และปัญหาที่ยากอื่นๆสามารถบูรณาการโดยตรงกับเลนส์การถ่ายภาพอินเตอร์เฟซ C มาตรฐานหรือกล้องจุลทรรศน์เพื่อบรรลุการเก็บภาพแบบสเปคตรัลอย่างรวดเร็ว

การเกษตรแม่นยําเป็นวิธีสําคัญในการบรรลุการบริโภคที่ต่ํา ประสิทธิภาพสูง คุณภาพสูงและความปลอดภัยในเกษตรผลิตข้าวที่มั่นคงและผลิตสูง เป็นจุดสําคัญของการผลิตเกษตรของเราการควบคุมโรคในเวลาที่ถูกต้องและมีประสิทธิภาพเป็นการรับประกันที่สําคัญเพื่อให้เกิดผลผลิตที่มั่นคงและผลผลิตสูง โรคใบข้าวเป็นหนึ่งในสามโรคใหญ่ของข้าวหากสาเหตุและระดับของความเสียหายของพืชที่ได้รับความเสียหายสามารถตรวจสอบได้ในช่วงต้นของโรคข้าว, รวมไปถึงการใช้งานแบบแปรปรวนในเกษตรดี, อัตราการติดเชื้อโรคของโรคข้าวสามารถลดลงได้อย่างมีประสิทธิภาพ,และผลผลิตข้าวสามารถเพิ่มขึ้นได้อย่างมีประสิทธิภาพการใช้ตัวแปรส่วนใหญ่หมายถึงการวินิจฉัยในเวลาที่ถูกต้องของสาเหตุและระดับของความเสียหายของพืชที่ได้รับผลกระทบตามข้อมูลของพืชที่เป็นอันตรายและโรคและการใช้สารเคมีตามการรักษาโรคที่เหมาะสม, สภาพแวดล้อมท้องถิ่นและความต้องการ เพื่อลดการใช้สารเคมีและบรรลุเป้าหมายของการป้องกันและควบคุมในทันที

ในการศึกษานี้ เทคโนโลยีการถ่ายภาพแบบไฮเปอร์สเปคตรัลถูกใช้ในการจําแนกโรคพยาธิของหมวกข้าว โมเดลการวิเคราะห์ตัวจําแนก PLS-DA ถูกจัดตั้งขึ้นหลังจากการรักษาก่อนแบบที่แตกต่างกันของสเปคตรเดิมและได้ผลดีภายใต้วิธี SG, SNV และ MSC การรักษาก่อน, ความแม่นยําของการจําแนกตัวอย่างการคาดการณ์คือ 82.8%, 92.1% และ 89.1% ตามลําดับ.รูปแบบ PLS-DA ที่ตั้งขึ้นโดย SNV สเปคตรัมการรักษาก่อนมีความแม่นยําสูงสุด, ขณะที่แบบแบบ PLS-DA ที่ก่อตั้งขึ้นโดยสเปคตรัมการบําบัดก่อน SG มีความแม่นยําต่ําสุด แต่ความแม่นยํามากกว่า 80% ดังนั้นวิธีสามวิธีนี้เป็นไปได้ความแม่นยําของชุดการคาดการณ์ของแบบจําแนก LDA และ BPNN ที่ใช้การสกัดข้อมูลลักษณะของ MNF คือ 950.3% และ 98.4% ตามลําดับ ซึ่งดีกว่ารุ่น PLS-DA ที่ใช้ในทุกช่วงรูปแบบ BPNN ที่ใช้การสกัดข้อมูลลักษณะของ MNF ทําให้เกิดผลการแยกที่สมควรผลการทดลองแสดงว่าเทคโนโลยีการถ่ายภาพแบบไฮเปอร์สเปคตรัล สามารถใช้ในการระบุการแห้งของเมล็ดข้าว,และอัลกอริทึม MNF สามารถใช้ในการสกัดข้อมูลลักษณะเพื่อแสดงสเปคตรัมเดิม และลดจํานวนการคํานวณได้มากอัลกอริทึมมีแนวโน้มการใช้งานที่กว้างขวางในกระบวนการจําแนกและจําลองโรคข้าวอย่างรวดเร็ว.