Nuotolinis stebėjimas keičia nikotino stebėjimą cigarų lapuose

Novatoriškas tyrimas, kuriame pasitelkiamas bepiločių orlaivių hiperspektrinis vaizdavimas ir mašininis mokymasis, siekiant tiksliai įvertinti nikotino kiekį cigarų lapuose.

Naujausi aerofotografinio hiperspektrinio vaizdavimo pasiekimai kartu su mašininiu mokymusi sukėlė revoliuciją nikotino kiekio cigarų lapuose stebėjime. Šis pažangus metodas padidina vertinimo tikslumą ir suteikia vertingų įžvalgų tabako pramonei, kur cheminė sudėtis yra labai svarbi kokybei.

Sičuano žemės ūkio universiteto Tian ir kt. vadovaujami tyrėjai siekė įveikti tradicinių rankinių kokybės patikrų, kurioms dažnai trūksta tikslumo ir efektyvumo, apribojimus. Jų 2025 m. vasario 2 d. paskelbtame tyrime nustatytos stiprios koreliacijos tarp azoto trąšų naudojimo, drėgmės lygio ir nikotino koncentracijos, pabrėžiant savalaikių ir tikslių stebėjimo metodų svarbą.

Tyrimas buvo atliktas nuo 2022 m. gegužės iki rugsėjo mėn. universiteto Šiuolaikinių žemės ūkio tyrimų bazėje, kur tyrėjai, naudodami bepiločius orlaivius (UAV) su hiperspektrinėmis kameromis, užfiksavo 15 skirtingų cigarų lapų veislių lapų atspindžio spektrus, apdorojant juos įvairiais azotu.

Jų išvados atskleidė tiesioginę koreliaciją tarp azoto trąšų naudojimo ir nikotino kiekio cigarų lapuose. “Didėjant azoto trąšų naudojimo greičiui, nikotino kiekis cigarų lapuose didėjo”, – teigė autoriai, pabrėždami žemės ūkio praktikos poveikį produkto kokybei.

Siekiant pagerinti bepiločių orlaivių surinktų hiperspektrinių vaizdų duomenų kokybę, tyrime buvo taikyti išankstinio apdorojimo metodai, tokie kaip daugiamatė sklaidos korekcija, standartinė normalioji transformacija ir Savitzky-Golay konvoliucijos išlyginimas. Tada buvo pritaikyti pažangūs mašininio mokymosi algoritmai, įskaitant dalinės mažiausių kvadratų regresijos (PLSR) ir atgalinio sklidimo neuroninius tinklus, siekiant sukurti prognozavimo modelius, galinčius tiksliai įvertinti nikotino kiekį.

Efektyviausias nustatytas modelis buvo MSC-SNV-SG-CARS-BP, kurio bandymo tikslumas buvo maždaug 0,797 R² vertės ir 0,078 RMSE. “MSC-SNV-SG-CARS-BP modelis pasižymi geriausiu nikotino kiekio prognozavimo tikslumu”, – pažymėjo autoriai, pristatydami jį kaip perspektyvią priemonę būsimiems tyrimams ir tiksliosios žemdirbystės taikymams.

Naudodami nuotolinį zondavimą cigarų lapų spektrinėms savybėms analizuoti, ūkininkai ir gamintojai gali greitai ir neardomųjų tyrimų metu įvertinti derliaus kokybę, o tai leidžia priimti labiau pagrįstus sprendimus dėl gamybos ir tiekimo grandinės. Šis metodas siūlo platų aprėpties spektrą mažomis eksploatavimo sąnaudomis ir užtikrina duomenų nuoseklumą, sumažinant priklausomybę nuo žmogiškųjų veiksnių.

Hiperspektrinio vaizdavimo ir mašininio mokymosi integravimas gali pakeisti tradicinį tabako auginimą, ne tik pagerindamas nikotino kokybę, bet ir skatindamas tvarią bei efektyvią žemės ūkio praktiką. Tyrėjai pabrėžia, kad reikia nuolat tobulinti šias technologijas ir pritaikyti jas skirtingoms tabako veislėms ir kitiems augalams.

Būsimuose tyrimuose daugiausia dėmesio bus skiriama bepiločių orlaivių (UAV) eksploatavimo sąlygų optimizavimui, siekiant surinkti aukščiausios kokybės spektrinius duomenis, atsižvelgiant į tokius kintamuosius kaip skrydžio aukštis, apšvietimo sąlygos ir triukšmo mažinimas. Šių veiksnių įvertinimas yra labai svarbus, nes žemės ūkio praktika keičiasi, kad atitiktų rinkos poreikius, kartu teikiant pirmenybę aplinkos tvarumui.

Šis tyrimas pabrėžia technologijų ir žemės ūkio mokslo sinergiją, pabrėždamas augantį novatoriškų metodų, skirtų produktų kokybei gerinti, taikymą. Tyrėjai pasisako už platesnį hiperspektrinio jutimo taikymą žemės ūkyje, sustiprindami technologijų vaidmenį didinant derlių, efektyvumą ir aplinkosauginę atsakomybę.

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