Даљинско сондирање револуционира праћење никотина у листовима дувана

Револуционарна студија користи хиперспектрално снимање беспилотних летелица и машинско учење како би прецизно проценила нивое никотина у листовима цигаре.

Недавни напредак у аерохиперспектралном снимању, у комбинацији са машинским учењем, револуционисао је праћење никотина у листовима цигара. Овај најсавременији приступ побољшава тачност процене, а истовремено пружа вредне увиде дуванској индустрији, где је хемијски састав кључан за квалитет.

Предвођени Тијаном и сарадницима са Пољопривредног универзитета у Сичуану, истраживачи су покушали да превазиђу ограничења традиционалних ручних провера квалитета, којима често недостаје прецизност и ефикасност. Њихова студија, објављена 2. фебруара 2025. године, идентификује јаке корелације између употребе азотних ђубрива, нивоа влаге и концентрације никотина, истичући важност благовремених и прецизних техника праћења.

Студија је спроведена од маја до септембра 2022. године у Универзитетској бази за модерна пољопривредна истраживања, где су истраживачи користили беспилотне летелице (БПЛО) опремљене хиперспектралним камерама за снимање спектара рефлексије лишћа 15 различитих сорти листова цигаре под различитим третманима азотом.

Њихови налази су открили директну корелацију између примене азотних ђубрива и нивоа никотина у листовима цигаре. “Са повећањем стопе примене азотних ђубрива, садржај никотина у листовима цигаре се повећавао”, навели су аутори, истичући утицај пољопривредних пракси на квалитет производа.

Да би се побољшао квалитет хиперспектралних података слика прикупљених беспилотним летелицама, студија је користила технике претходне обраде као што су корекција вишеструког расејања, стандардна нормална трансформација и изглађивање конволуције Савицки-Голеј. Напредни алгоритми машинског учења, укључујући регресију парцијалних најмањих квадрата (PLSR) и неуронске мреже са повратним ширењем, затим су примењени за развој предиктивних модела способних за прецизну процену садржаја никотина.

Најефикаснији идентификовани модел био је модел MSC-SNV-SG-CARS-BP, који је постигао тачност тестирања са R² вредностима од приближно 0,797 и RMSE од 0,078. “Модел MSC-SNV-SG-CARS-BP има најбољу предиктивну тачност садржаја никотина”, приметили су аутори, позиционирајући га као обећавајући алат за будућа истраживања и примене у прецизној пољопривреди.

Коришћењем даљинске детекције за анализу спектралних својстава листова цигаре, пољопривредници и произвођачи могу брзо и недеструктивно проценити квалитет усева, омогућавајући информисаније одлуке у производњи и ланцу снабдевања. Овај приступ нуди широку покривеност уз ниске оперативне трошкове, а истовремено обезбеђује конзистентност података смањењем ослањања на људски фактор.

Интеграција хиперспектралног снимања и машинског учења има потенцијал да трансформише традиционално узгој дувана, не само побољшавајући квалитет никотина већ и промовишући одрживе и ефикасне пољопривредне праксе. Истраживачи наглашавају потребу за континуираним напретком како би се ове технологије усавршиле и прилагодиле различитим сортама дувана и другим усевима.

Будуће студије ће се фокусирати на оптимизацију оперативних услова беспилотних летелица како би се добили спектрални подаци највишег квалитета, узимајући у обзир варијабле као што су висина лета, услови осветљења и смањење буке. Решавање ових фактора је кључно јер се пољопривредне праксе развијају како би задовољиле захтеве тржишта, а дају приоритет еколошкој одрживости.

Ово истраживање истиче синергију између технологије и пољопривредне науке, подвлачећи све веће усвајање иновативних техника за побољшање квалитета производа. Истраживачи се залажу за ширу примену хиперспектралног сензора у пољопривреди, јачајући улогу технологије у повећању приноса, ефикасности и еколошке одговорности.

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