Mendeteksi Penyakit dan Stres Pada Tanaman Menggunakan Pencitraan Hiperspektral

Deteksi penyakit dan stres tanaman merupakan kegiatan vital dalam pengelolaan tanaman. Kemampuan untuk mengidentifikasi mereka pada tahap awal memungkinkan respons awal untuk mengubah praktik pengelolaan tanaman atau mencegah penyebaran infeksi. Metode konvensional melibatkan pemeriksaan tanaman untuk gejala yang terlihat, yang cenderung menunjukkan pada tahap tengah atau akhir infeksi, atau analisis kimia. Metode-metode ini dapat memakan waktu atau melibatkan langkah-langkah ekstraksi yang membosankan dan pengukuran yang merusak dari jaringan tanaman. Oleh karena itu, banyak jalan penelitian mengadopsi pencitraan hiperspektral (HSI) karena pendekatan non-destruktif mereka untuk memberikan informasi fisiologis dan struktural pada tanaman, memberikan kesempatan untuk mengidentifikasi penyakit dan stres sebelum gejala yang terlihat nyata.

HSI adalah teknik yang menangkap informasi spasial dan spektral suatu objek melalui berbagai spektrum elektromagnetik. Data yang dikumpulkan, disebut hypercube atau kubus data, berisi gambar spasial 2D dari ratusan pita spektrum (panjang gelombang) yang berdekatan dan sempit. Data tersebut kemudian dapat diolah dengan menggunakan indeks vegetasi atau teknik untuk mendeteksi dan mengklasifikasikan penyakit tanaman dan cekaman. Misalnya, Weng et al. (2018) menggabungkan HSI dengan LSSVM (mesin vektor pendukung kuadrat terkecil) untuk mengklasifikasikan antara pohon jeruk yang sehat dan yang terinfeksi penyakit penghijauan jeruk. Bravo dkk. (2003)gunakan HSI dengan kombinasi NDVI (normalized difference vegetasi index) dan QDA (quadratic discriminant analysis) untuk membedakan spektrum tanaman gandum antara yang sehat dan yang karat kuning.

Saat memilih kamera hyperspectral untuk aplikasi Anda, ada beberapa faktor yang harus dipertimbangkan.

Rentang Spektral

Sebagian besar kamera hiperspektral dirancang untuk mengukur hanya sub-rentang tertentu dari spektrum elektromagnetik seperti cahaya tampak dan inframerah dekat (VNIR) di sekitar rentang panjang gelombang 400 – 1000 nm, inframerah panjang gelombang pendek (SWIR) di sekitar 1000 – 2500 nm. rentang panjang gelombang, dll. Pemilihan kamera hiperspektral harus didasarkan pada rentang spektralnya untuk mencakup panjang gelombang dari aplikasi yang Anda maksudkan. Misalnya, kamera hiperspektral dengan rentang spektral VNIR akan cocok untuk mengukur perubahan pigmentasi daun (sekitar kisaran 400-700 nm). Tetapi untuk menangkap perubahan kadar air (sekitar kisaran 1300–2500 nm), kamera hiperspektral dengan rentang spektral SWIR akan lebih cocok.

Teknologi

Ada berbagai jenis kamera hyperspectral, dan mereka dapat dikategorikan berdasarkan teknologinya , seperti sapu dorong (line scan), filter yang dapat disetel, dll. Perbedaan utamanya adalah cara mereka menangkap data dan kebutuhan penerangannya. Misalnya, dorong data penangkapan sapu dengan memindai satu baris melintasi sampel (Gambar 1) dan hanya perlu menerangi garis sempit ini. Filter merdu menangkap data dari satu pita spektrum pada satu waktu (Gambar 2) dan membutuhkan penerangan di area yang jauh lebih besar. Semakin besar area iluminasi, semakin menantang untuk mencapai iluminasi yang seragam dan stabil. Sebagian besar sumber cahaya adalah sumber titik, dan menghasilkan penerangan yang seragam dan stabil untuk pencitraan area berarti sumber cahaya harus lebih jauh dari sampel target.

Gambar 1 – Penerangan sapu dorong (scan garis)
Gambar 2 – Penerangan filter merdu

Specim, pemimpin global dalam solusi HSI , memiliki berbagai pilihan kamera hyperspectral sapu dorong, dari Specim IQ portabel hingga sistem HSI udara , yang mencakup panjang gelombang mulai dari inframerah panjang gelombang tampak hingga inframerah panjang gelombang panjang (LWIR). Tonton video ini untuk mengetahui lebih lanjut tentang cara kerja kamera hiperspektral Specim.

Butuh informasi lebih lanjut tentang HSI? Butuh bantuan dalam menyiapkan sistem HSI untuk aplikasi Anda? Hubungi spesialis kami untuk konsultasi gratis sekarang