Дистанционное зондирование революционизирует мониторинг никотина в листьях сигар

В новаторском исследовании используются гиперспектральная съемка с помощью беспилотных летательных аппаратов и машинное обучение для точной оценки уровня никотина в сигарных листьях.

Последние достижения в области аэрофотосъемки с использованием гиперспектральных изображений в сочетании с машинным обучением произвели революцию в мониторинге никотина в сигарных листьях. Этот передовой подход повышает точность оценки, предоставляя ценную информацию для табачной промышленности, где химический состав имеет решающее значение для качества.

Исследователи под руководством Тяня и соавторов из Сычуаньского сельскохозяйственного университета стремились преодолеть ограничения традиционных ручных методов контроля качества, которые часто отличаются недостаточной точностью и эффективностью. В их исследовании, опубликованном 2 февраля 2025 года, выявлена сильная корреляция между использованием азотных удобрений, уровнем влажности и концентрацией никотина, что подчеркивает важность своевременных и точных методов мониторинга.

Исследование проводилось с мая по сентябрь 2022 года на современной сельскохозяйственной научно-исследовательской базе университета, где исследователи использовали беспилотные летательные аппараты (БПЛА), оснащенные гиперспектральными камерами, для получения спектров отражения листьев 15 различных сортов сигарного листа при различных уровнях азотного питания.

Результаты их исследования выявили прямую корреляцию между внесением азотных удобрений и содержанием никотина в сигарных листьях. “С увеличением нормы внесения азотных удобрений содержание никотина в сигарных листьях возрастало”, — заявили авторы, подчеркнув влияние сельскохозяйственных практик на качество продукции.

Для повышения качества гиперспектральных изображений, полученных с помощью БПЛА, в исследовании были использованы методы предварительной обработки, такие как многомерная коррекция рассеяния, стандартное нормальное преобразование и сглаживание с помощью свертки Савицкого-Голея. Затем были применены передовые алгоритмы машинного обучения, включая регрессию методом частичных наименьших квадратов (PLSR) и нейронные сети обратного распространения, для разработки прогностических моделей, способных точно оценивать содержание никотина.

Наиболее эффективной оказалась модель MSC-SNV-SG-CARS-BP, которая показала точность тестирования со значениями R² приблизительно 0,797 и RMSE 0,078. “Модель MSC-SNV-SG-CARS-BP обладает наилучшей точностью прогнозирования содержания никотина”, — отметили авторы, позиционируя ее как перспективный инструмент для будущих исследований и применения в точном земледелии.

Использование дистанционного зондирования для анализа спектральных свойств сигарных листьев позволяет фермерам и производителям быстро и неразрушающим методом оценивать качество урожая, что дает возможность принимать более обоснованные решения в области производства и цепочки поставок. Такой подход обеспечивает широкий охват при низких эксплуатационных затратах, гарантируя при этом согласованность данных за счет снижения зависимости от человеческого фактора.

Интеграция гиперспектральной съемки и машинного обучения потенциально может трансформировать традиционное выращивание табака, не только повышая качество никотина, но и способствуя устойчивым и эффективным методам ведения сельского хозяйства. Исследователи подчеркивают необходимость дальнейшего совершенствования этих технологий и их адаптации к различным сортам табака и другим культурам.

В будущих исследованиях основное внимание будет уделено оптимизации условий эксплуатации БПЛА для получения спектральных данных высочайшего качества с учетом таких переменных, как высота полета, условия освещения и снижение уровня шума. Учет этих факторов имеет решающее значение по мере развития сельскохозяйственной практики в соответствии с требованиями рынка и при приоритете экологической устойчивости.

Данное исследование подчеркивает синергию между технологией и сельскохозяйственной наукой, акцентируя внимание на растущем внедрении инновационных методов для улучшения качества продукции. Исследователи выступают за более широкое применение гиперспектрального зондирования в сельском хозяйстве, укрепляя роль технологии в повышении урожайности, эффективности и экологической ответственности.

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