超光谱成像和机器学习用于在谷物作物中自动识别害虫
Rimma M Ualiyeva1, Mariya M Kaverina1, Anastasiya V Osipova1
1Department of Biology and Ecology, Toraighyrov University, Pavlodar 140008, Kazakhstan.
Biology
|December 30, 2025
概括
超光谱成像通过分析它们独特的光谱特征,准确地识别了12种小麦昆虫害虫. 这项技术可以实现有针对性的害虫防治,可能减少杀虫剂的使用,并推进精准农业.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 昆虫学 昆虫学是一门学科.
背景情况:
- 有害的昆虫害虫对全球小麦生产构成重大威胁.
- 准确识别昆虫害虫对于有效和可持续的作物管理至关重要.
- 目前用于病虫害识别的方法可能是劳动密集型的,可能缺乏精度.
研究的目的:
- 通过使用高光谱成像来描述小麦田中的有害昆虫害虫的光谱特征.
- 开发和验证一种分类模型,用于对昆虫害虫的物种级别识别.
- 评估超光谱成像在自动化害虫监测和有针对性的杀虫剂应用方面的潜力.
主要方法:
- 使用高光谱成像来捕获各种昆虫害虫的光谱概况.
- 对光谱数据的分析侧重于受到素结构和身体颜色影响的反射性质.
- 为了分类,开发了一种部分最小平方差异分析 (PLS-DA) 模型.
主要成果:
- 光谱反射率根据昆虫的颜色,素结构,翅膀,表面粗度和年龄而有所不同.
- 截然不同的光谱模式使得昆虫物种和植物背景之间的差异化成为可能.
- PLS-DA模型在识别12种不同的害虫物种方面取得了高准确性.
结论:
- 超光谱成像是一种可靠的方法,用于昆虫害虫的物种级别分类.
- 这项技术支持对植物食虫害的自动监测系统的开发.
- 实施可以导致减少杀虫剂的使用和精准农业的进步,以改善粮食安全.
关键词:
农业监测 农业监测 农业监测超光谱成像技术的使用.昆虫虫害虫害虫害虫害虫害虫害害虫害害虫害虫害虫害虫害害害虫害害害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害虫害远程传感是一种遥感技术.频谱特征 频谱特征 频谱特征在小麦的农业生长中,小麦的农业生长.
