Daljinska detekcija revolucionira praćenje nikotina u listovima cigara

Revolucionarna studija koristi hiperspektralno snimanje bespilotnim letjelicama i strojno učenje za točnu procjenu razine nikotina u listovima cigara.

Nedavni napredak u zračnom hiperspektralnom snimanju, u kombinaciji sa strojnim učenjem, revolucionirao je praćenje nikotina u listovima cigara. Ovaj vrhunski pristup poboljšava točnost procjene, a istovremeno pruža vrijedne uvide duhanskoj industriji, gdje je kemijski sastav ključan za kvalitetu.

Predvođeni Tianom i suradnicima sa Sveučilišta za poljoprivredu u Sichuanu, istraživači su nastojali prevladati ograničenja tradicionalnih ručnih provjera kvalitete, kojima često nedostaje preciznosti i učinkovitosti. Njihova studija, objavljena 2. veljače 2025., identificira snažne korelacije između upotrebe dušičnih gnojiva, razine vlage i koncentracije nikotina, naglašavajući važnost pravovremenih i preciznih tehnika praćenja.

Studija je provedena od svibnja do rujna 2022. u sveučilišnoj Modernoj poljoprivrednoj istraživačkoj bazi, gdje su istraživači koristili bespilotne letjelice (UAV) opremljene hiperspektralnim kamerama za snimanje spektara refleksije listova 15 različitih sorti listova cigare pod različitim tretmanima dušikom.

Njihovi su nalazi otkrili izravnu korelaciju između primjene dušičnih gnojiva i razine nikotina u listovima cigare. “S povećanjem stope primjene dušičnih gnojiva, sadržaj nikotina u listovima cigare se povećavao”, naveli su autori, ističući utjecaj poljoprivrednih praksi na kvalitetu proizvoda.

Kako bi se poboljšala kvaliteta hiperspektralnih slikovnih podataka prikupljenih bespilotnim letjelicama, studija je koristila tehnike predobrade poput multivarijantne korekcije raspršenja, standardne normalne transformacije i Savitzky-Golay konvolucijskog izglađivanja. Napredni algoritmi strojnog učenja, uključujući parcijalnu regresiju najmanjih kvadrata (PLSR) i neuronske mreže s povratnim širenjem, zatim su primijenjeni za razvoj prediktivnih modela sposobnih za točnu procjenu sadržaja nikotina.

Najučinkovitiji identificirani model bio je model MSC-SNV-SG-CARS-BP, koji je postigao točnost testiranja s R² vrijednostima od približno 0,797 i RMSE od 0,078. “Model MSC-SNV-SG-CARS-BP ima najbolju prediktivnu točnost sadržaja nikotina”, primijetili su autori, pozicionirajući ga kao obećavajući alat za buduća istraživanja i primjenu u preciznoj poljoprivredi.

Korištenjem daljinskog istraživanja za analizu spektralnih svojstava listova cigare, poljoprivrednici i proizvođači mogu brzo i nedestruktivno procijeniti kvalitetu usjeva, omogućujući informiranije odluke u proizvodnji i lancu opskrbe. Ovaj pristup nudi široku pokrivenost uz niske operativne troškove, a istovremeno osigurava dosljednost podataka smanjenjem oslanjanja na ljudske čimbenike.

Integracija hiperspektralnog snimanja i strojnog učenja ima potencijal transformirati tradicionalni uzgoj duhana, ne samo poboljšavajući kvalitetu nikotina već i promovirajući održive i učinkovite poljoprivredne prakse. Istraživači naglašavaju potrebu za kontinuiranim napretkom kako bi se ove tehnologije usavršile i prilagodile različitim sortama duhana i drugim usjevima.

Buduće studije usredotočit će se na optimizaciju operativnih uvjeta bespilotnih letjelica kako bi se dobili spektralni podaci najviše kvalitete, uzimajući u obzir varijable poput visine leta, uvjeta osvjetljenja i smanjenja buke. Rješavanje ovih čimbenika ključno je jer se poljoprivredne prakse razvijaju kako bi zadovoljile zahtjeve tržišta, a istovremeno daju prioritet održivosti okoliša.

Ovo istraživanje ističe sinergiju između tehnologije i poljoprivredne znanosti, naglašavajući sve veću primjenu inovativnih tehnika za poboljšanje kvalitete proizvoda. Istraživači se zalažu za širu primjenu hiperspektralnog snimanja u poljoprivredi, jačajući ulogu tehnologije u povećanju prinosa, učinkovitosti i ekološke odgovornosti.

Izvori: https://www.nature.com/articles/s41598-025-88091-4