کاربرد تصویربرداری فراطیفی در بیماری‌شناسی گیاهی

سالانه بخش زیادی از محصولات کشاورزی به دلیل تنش های زیستی و غیرزیستی از بین می رود و شناسایی دقیق بیماری‌های گیاهی جهت حفاظت از گیاه در تولید محصول بسیار مهم است. از آنجایی‌که روش‌های تشخیصی آزمایشگاهی زمان‌بر هستند و برای مقیاس بزرگ ایده‌آل نیستند، روش‌های کشاورزی مدرن با رویکردهای جدید توانایی شناسایی زودهنگام بیماری قبل از ظهور علائم را دارند و فرصتی برای مداخله جهت کنترل یا جلوگیری از گسترش آلودگی قبل از آلوده‌شدن یا آسیب‌دیدن کل محصولات را فراهم می کنند. فناوری تصویربرداری فراطیفی یکی از این روش‌هاست که به‌عنوان یک فناوری سنجش سریع و غیرمخرب، نتایج قابل‌توجهی در شناسایی بیماری ها و تنش‌های گیاهی به دست آورده است. در این تکنیک از سنسورها و بسترهای مختلف استفاده می شود. این فناوری طیف‌سنجی نوری و روش‌های آنالیز تصویر را ترکیب و امکان ارزیابی هم‌زمان مولفه های فیزیولوژیکی و ریخت شناختی را فراهم می‌کند. این مقاله به اصل فناوری تصویربرداری فراطیفی، اکتساب تصویر، پیش‌پردازش، مدل‌سازی و تجزیه ‌و تحلیل داده های فراطیفی، همچنین کاربرد این فناوری در بیماری‌شناسی گیاهی می‌پردازد.

the application of hyperspectral imaging in plant pathology

annually, a significant portion of agricultural products is lost due to biotic and abiotic stresses, making the identification of plant diseases crucial for crop protection. laboratory diagnostic methods are time-consuming and not ideal for large-scale applications. modern agricultural approaches with innovative perspectives have the ability to detect diseases at an early stage before visible symptoms appear, providing an opportunity for intervention to control or prevent the spread of contamination prior to the infection or damage of the entire crop. hyperspectral imaging technology is one of these approaches that has shown remarkable results in the early identification of plant diseases and stresses as a rapid and non-destructive measurement technology. this technique utilizes various sensors and platforms, combining spectral analysis and image analysis methods to simultaneously evaluate physiological and morphological components. this article focuses on the fundamentals of hyperspectral imaging technology, image acquisition, pre-processing, modeling, and analysis of hyperspectral data, as well as its application in plant pathology.