使用深紫外光光谱和自编码异常检测技术量化南方玉米叶病
Hashem Banah1,2, Peter J Balint-Kurti3,2, Gabriella Houdinet4
1Department of Electrical and Computer Engineering, North Carolina State University, Raleigh, NC, United States of America.
PloS one
|May 15, 2024
概括
现在可以使用深紫外光光谱学检测玉米中的南方叶. 这种非破坏性的方法准确地量化了真菌感染的严重程度,为传统的视觉评分提供了一个有希望的替代方案.
科学领域:
- 植物病理学 植物病理学
- 频谱学是一种光谱学.
- 机器学习 机器学习
背景情况:
- 南方叶病 (SLB),由Cochliobolus heterostrophus引起,导致全球玉米产量大幅下降.
- 精确量化SLB感染对于有效的疾病管理和产量保护至关重要.
研究的目的:
- 开发和验证一种使用深紫外线 (DUV) 光光谱法量化玉米中SLB感染的非破坏性方法.
- 为了将光光谱数据与通过视觉评分评估的疾病严重程度相关联.
主要方法:
- 从健康的和感染SLB的玉米叶中获取DUV光发射光谱 (248.6nm激发).
- 在光谱数据上训练自编码器 (AE) 异常检测算法,以量化感染相关的表型.
- 对AE模型错误和疾病严重程度的视觉分数 (VS) 之间的相关性分析.
主要成果:
- 玉米叶在450nm和325nm处表现出特有的光峰值.
- 与健康的叶子相比,SLB感染的叶子在325nm时显示出显著更高的光反应.
- 在AE误差和VS之间观察到强烈的线性反向关系 (R2 = 0.94,RMSE = 0.935).
结论:
- DUV光光谱与AE异常检测相结合,提供了一种可靠的,非破坏性的方法,用于量化玉米中SLB感染.
- 这种技术显示了比传统的视觉评分更精确的疾病评估的潜力.
- 未来的硬件改进可以实现更详细的量化,可能包括子度和空间定位.
