Daljinsko zaznavanje revolucionira spremljanje nikotina v listih cigar

Prelomna študija uporablja hiperspektralno slikanje z brezpilotnimi letalniki in strojno učenje za natančno oceno ravni nikotina v listih cigar.

Nedavni napredek na področju zračnega hiperspektralnega slikanja je v kombinaciji s strojnim učenjem povzročil revolucijo pri spremljanju nikotina v listih cigar. Ta vrhunski pristop izboljšuje natančnost ocenjevanja, hkrati pa zagotavlja dragocene vpoglede za tobačno industrijo, kjer je kemična sestava ključnega pomena za kakovost.

Raziskovalci, ki so jih vodili Tian in sodelavci na Kmetijski univerzi v Sečuanu, so želeli premagati omejitve tradicionalnih ročnih pregledov kakovosti, ki pogosto niso natančni in učinkoviti. Njihova študija, objavljena 2. februarja 2025, ugotavlja močne povezave med uporabo dušikovih gnojil, stopnjo vlage in koncentracijo nikotina, kar poudarja pomen pravočasnih in natančnih tehnik spremljanja.

Študija je bila izvedena od maja do septembra 2022 na univerzitetni bazi za sodobne kmetijske raziskave, kjer so raziskovalci uporabili brezpilotna letala (UAV), opremljena s hiperspektralnimi kamerami, za zajemanje odbojnih spektrov listov 15 različnih sort cigarnih listov pod različnimi obdelavami z dušikom.

Njihove ugotovitve so pokazale neposredno povezavo med uporabo dušikovih gnojil in vsebnostjo nikotina v listih cigar. “S povečanjem stopnje uporabe dušikovih gnojil se je vsebnost nikotina v listih cigar povečala,” so navedli avtorji in poudarili vpliv kmetijskih praks na kakovost proizvodov.

Za izboljšanje kakovosti hiperspektralnih slikovnih podatkov, ki jih zbirajo brezpilotni letalniki (UAV), so v študiji uporabili tehnike predobdelave, kot so večvariatna korekcija razpršitve, standardna normalna transformacija in glajenje konvolucije Savitzky-Golay. Nato so bili za razvoj napovednih modelov, ki lahko natančno ocenijo vsebnost nikotina, uporabljeni napredni algoritmi strojnega učenja, vključno z regresijo delnih najmanjših kvadratov (PLSR) in nevronskimi mrežami s povratnim širjenjem.

Najučinkovitejši identificirani model je bil model MSC-SNV-SG-CARS-BP, ki je dosegel natančnost testiranja z vrednostmi R² približno 0,797 in RMSE 0,078. “Model MSC-SNV-SG-CARS-BP ima najboljšo napovedno natančnost glede vsebnosti nikotina,” so ugotovili avtorji in ga postavili kot obetavno orodje za prihodnje raziskave in aplikacije v preciznem kmetijstvu.

Z uporabo daljinskega zaznavanja za analizo spektralnih lastnosti listov cigare lahko kmetje in proizvajalci hitro in nedestruktivno ocenijo kakovost pridelka, kar omogoča bolj informirane odločitve v proizvodnji in dobavni verigi. Ta pristop ponuja široko pokritost pri nizkih obratovalnih stroških, hkrati pa zagotavlja doslednost podatkov z zmanjšanjem odvisnosti od človeških dejavnikov.

Integracija hiperspektralnega slikanja in strojnega učenja ima potencial za preoblikovanje tradicionalnega gojenja tobaka, ne le za izboljšanje kakovosti nikotina, temveč tudi za spodbujanje trajnostnih in učinkovitih kmetijskih praks. Raziskovalci poudarjajo potrebo po nenehnem napredku za izboljšanje teh tehnologij in njihovo prilagoditev različnim sortam tobaka in drugim pridelkom.

Prihodnje študije se bodo osredotočile na optimizacijo operativnih pogojev brezpilotnih letalnikov za zajem spektralnih podatkov najvišje kakovosti, pri čemer se upoštevajo spremenljivke, kot so višina leta, svetlobni pogoji in zmanjšanje hrupa. Obravnavanje teh dejavnikov je ključnega pomena, saj se kmetijske prakse razvijajo, da bi zadostile povpraševanju trga, hkrati pa dajejo prednost okoljski trajnosti.

Ta raziskava poudarja sinergijo med tehnologijo in kmetijsko znanostjo ter poudarja vse večje sprejemanje inovativnih tehnik za izboljšanje kakovosti proizvodov. Raziskovalci se zavzemajo za širšo uporabo hiperspektralnega zaznavanja v kmetijstvu in s tem krepijo vlogo tehnologije pri povečanju donosa, učinkovitosti in okoljske odgovornosti.

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