Использование гиперспектральной визуализации для обнаружения пирикуляриоза риса и анализа спектральных изменений пораженных листьев
Пирикуляриоз является одним из наиболее опасных заболеваний риса, широко распространенным в рисоводческих регионах. Он входит в тройку самых разрушительных болезней риса наряду с ризоктониозом и бактериальным ожогом листьев. Традиционные методы выявления пирикуляриоза, основанные на визуальном сравнении изображений или текстовом описании, субъективны, требуют высокой квалификации и малоэффективны. Человеческий фактор часто приводит к ошибкам, затрудняющим своевременную и точную диагностику, что негативно сказывается на эффективности лечения и приводит к снижению урожайности. Гиперспектральная визуализация – это перспективная технология, сочетающая в себе традиционные методы визуализации и спектрального анализа. Визуализация позволяет получить информацию об изображениях растений, а спектральный анализ – информацию об их спектральных характеристиках.
В данной работе исследовались листья риса, пораженные пирикуляриозом. С использованием системы гиперспектральной визуализации были получены гиперспектральные изображения листьев. Затем с помощью анализа главных компонент (PCA) было отобрано изображение главной компоненты, наиболее подходящее для сегментации пораженных участков. В заключение, для идентификации пятен пирикуляриоза был применен метод сегментации плотности. На основе полученных данных был проанализирован спектральный отклик пораженных участков и выявлены его отличия от спектрального отклика здоровых листьев.
Материалы и методы
Подготовка экспериментального материала
В качестве объекта исследования был выбран восприимчивый к пирикуляриозу сорт риса Guanglu Ai No. 1. Семена были замочены и пророщены, после чего был проведен вегетационный эксперимент с 60 горшками в идентичных условиях. На стадии 3-4 листьев была проведена искусственная инокуляция: листья опрыскивались суспензией спор пирикуляриоза до полного покрытия каплями влаги. Затем рассада была помещена в темную камеру на 24 часа для обеспечения необходимой влажности, после чего перенесена в теплицу для дальнейшего культивирования и развития заболевания. Сбор гиперспектральных данных проводился в течение 5 дней с целью получения образцов с различной степенью поражения.
Система гиперспектральной визуализации
Для анализа использовалась гиперспектральная камера с диапазоном 400-1000 нм (FS13, Hangzhou Caipu Technology Co., Ltd.). Характеристики камеры: спектральный диапазон 400-1000 нм, спектральное разрешение лучше 2,5 нм, до 1200 спектральных каналов. Скорость сбора данных: до 128 кадров в секунду в полном спектре и до 3300 Гц после выбора определенных спектральных полос (поддерживается выбор нескольких регионов).
Анализ главных компонент гиперспектральных изображений пораженных листьев риса
Гиперспектральная визуализация позволяет получить массив узкополосных спектральных данных, характеризующихся высокой межспектральной корреляцией. Анализ главных компонент (PCA) – это метод ортогонального преобразования, позволяющий преобразовать набор взаимосвязанных переменных в набор независимых. PCA позволяет удалить корреляцию и сконцентрировать основную информацию в минимальном количестве главных компонент (ГК). Каждая полоса ГК представляет собой линейную комбинацию исходных полос и не коррелирует с другими ГК. Первая ГК содержит наибольшую дисперсию данных, вторая – вторую по величине, и т.д. Последние ГК отображают шум, поскольку содержат минимальную дисперсию. Отбор ГК осуществляется на основе вклада в общую дисперсию. В таблице 1 показано, что первые 6 ГК объясняют 99,81% общей дисперсии. На рисунке 2 представлены изображения PC1-PC6 для листьев риса, пораженных пирикуляриозом. Сравнение показывает, что на изображении PC2 очаги поражения значительно отличаются от фона листа, что облегчает сегментацию пораженных участков.
Результаты и анализ
Результаты сегментации изображений
Бинарное изображение, полученное после сегментации изображения PC2 (Рисунок 3), отображает пятна пирикуляриоза листьев риса белым цветом. Визуально, бинарное изображение точно отражает область поражения листьев. Для оценки эффективности метода сегментации, PCA и метод сегментации плотности были применены к 60 образцам. Точная сегментация пораженных участков была достигнута в 54 случаях, что составляет 90% успешных сегментаций.
Анализ спектральных характеристик пораженных участков
Для получения гиперспектрального изображения, содержащего только пораженные участки, бинарное изображение было умножено на исходное гиперспектральное изображение. Данные с этих участков были использованы для анализа спектральных характеристик. На рисунке 4 представлены спектральные кривые для нормальных участков листа и пораженных участков. В спектральной кривой пораженных участков наблюдается общий восходящий тренд в диапазоне 400-988 нм. В полосе синего света (435-480 нм) отражательная способность низкая, но увеличивается до полосы зеленого света. В полосе красного света (600-760 нм) отражательная способность постепенно увеличивается, затем начинает снижаться около 650 нм, но снижение незначительно, после чего следует подъем и формирование небольшого прогиба около 680 нм, и резкий подъем в диапазоне 690-760 нм. В ближнем инфракрасном диапазоне (760-988 нм) отражательная способность медленно увеличивается, достигая максимального значения на 988 нм.
Сравнение спектров пораженных и здоровых участков листа в видимом и ближнем инфракрасном диапазонах выявило следующее: отражательная способность пораженных участков выше, чем у здоровых, в полосах синего (435-480 нм) и красного (600-700 нм) света. В полосе красного света около 680 нм на кривой пораженных участков наблюдается прогиб, где спектральные характеристики пораженных участков существенно отличаются от здоровых. В полосе зеленого света (530-580 нм) отражательная способность пораженных участков немного ниже, чем у здоровых, что связано с постепенным снижением содержания хлорофилла и появлением ксантофилла в листьях риса на данной стадии развития заболевания. В ближнем инфракрасном диапазоне (720-988 нм) отражательная способность пораженных участков ниже, чем у здоровых, что определяется изменениями внутренней клеточной структуры листа.
Выводы
В данной работе продемонстрировано применение технологии гиперспектральной визуализации для обнаружения пирикуляриоза листьев риса. Основные результаты исследования:
- Использование анализа главных компонент (PCA) для снижения размерности гиперспектральных данных позволило получить изображения PC1-PC6. Для сегментации и идентификации поражений пирикуляриоза было выбрано изображение PC2, обеспечившее точность сегментации 90%.
- Проведен анализ спектральных характеристик пораженных и здоровых участков листьев. В полосе зеленого света (530-580 нм) и красного света (600-700 нм) спектральная отражательная способность пораженных участков изменяется в противоположном направлении по сравнению со здоровыми листьями (снижение и увеличение соответственно). В ближнем инфракрасном диапазоне (720-988 нм) заражение пирикуляриозом приводит к снижению спектральной отражательной способности листьев риса.
- Полученные результаты обеспечивают точную сегментацию поражений пирикуляриозом на уровне отдельных листьев, что является основой для дальнейшего применения мультиспектральных/гиперспектральных технологий для обнаружения пирикуляриоза в посевах риса в полевых условиях.