Қорытынды

Жүргізілген зерттеулер дәнді дақылдардың ауруларын диагностикалау үшін гиперспектралды визуализацияны қолданудың әдістемелік тәсілдерін жинақтап, жүйелеуге және жаздық бидай мен арпаның сау және зақымданған ұлпаларын саралау кезінде спектрлік сипаттамалардың ақпараттылығын эксперименттік тұрғыдан растауға мүмкіндік берді. Фитопатологиялық бағалауды, гиперспектралды түсірілімді, кескіндерді алдын ала өңдеуді, қызығушылық аймақтарын бөлуді, спектрлік профильдерді талдауды, өлшемділікті төмендету әдістерін және машиналық оқыту алгоритмдерін дәйекті түрде ұштастыру өсімдіктердің фитопатологиялық күйлерін автоматтандырылған түрде танудың бірыңғай әдістемелік негізін қалыптастырды.

Дәнді дақылдардың саңырауқұлақ ауруларының дамуы өсімдік ұлпаларының көрінетін және жақын инфрақызыл диапазондардағы шағылу қабілетінің заңды өзгерістерімен қатар жүретіні анықталды. Спектрлік жауаптың сипаты мен айқындылығы аурудың түріне, патологиялық үдерістің орналасуына, зақымдану дәрежесіне және зерттелетін мүшенің морфологиялық құрылымының ерекшеліктеріне байланысты анықталады. Фотосинтездік пигменттер мөлшерінің өзгеруі, хлороз бен некроздың дамуы, ұлпалардың дегидратациясы, олардың ішкі құрылымының бұзылуы, сондай-ақ патогендердің мицелийі мен спора түзуінің қалыптасуы спектрлік қисықтардың пішініне, шағылу қарқындылығына және тән спектрлік максимумдар мен минимумдардың орналасуына әсер етеді. Бұл өсімдіктің спектрлік профилін фитопатологиялық күйдің кешенді диагностикалық белгісі ретінде пайдалану мүмкіндігін растайды.

Жаздық бидайды зерттеу барысында тамыр шіріктерін, жапырақ дақтылықтарын, тат ауруларын, масақ фузариозы мен септориозын, тозаңды қаракүйені және ақұнтақ ауруын қамтитын аурулардың кең кешенін спектрлік тұрғыдан саралау мүмкіндігі анықталды. Фитопатологиялық зақымданулардың жекелеген топтары арасында жарық шағылыстыру қарқындылығы мен спектрлік қисықтардың пішіні бойынша тән айырмашылықтар анықталды. Хлорозбен және пигменттік кешеннің бұзылуымен қатар жүретін зақымданулар көрінетін диапазонның жекелеген аймақтарында шағылу қабілетінің жоғарылауымен сипатталса, некроздық үдерістердің дамуы және патогендердің қара түсті репродуктивтік құрылымдарының қалыптасуы оның төмендеуіне әкелді. Физиологиялық күй мен өсімдік ұлпаларының құрылымдық өзгерістеріне сезімтал red edge аймағында және жақын инфрақызыл диапазонда да елеулі диагностикалық айырмашылықтар байқалды.

Басты компоненттерді талдауды пайдалану гиперспектралды деректердің өлшемділігін қысқартуға және спектрлік тұрғыдан ерекшеленетін бөліктердің кеңістікте таралу заңдылықтарын анықтауға мүмкіндік берді. Қызығушылық аймақтарын тікелей гиперспектралды кескіндерде қалыптастыру симптомдарды визуалды бағалаудан зақымданған ұлпаларды сандық сипаттауға көшуге мүмкіндік берді. Алынған деректер ең тұрақты диагностикалық нәтижеге жекелеген спектрлік арналарды пайдалану арқылы емес, спектрлік профильдің пішінін және өзара байланысты спектрлік белгілердің жиынтығын кешенді талдау арқылы қол жеткізілетінін растады.

Зерттеудің маңызды нәтижесі жаздық бидай ауруларын автоматтандырылған түрде сәйкестендіру үшін машиналық оқыту алгоритмдерінің тиімділігін растау болды. Сыналған әдістердің ішінде ең нәтижелісі Random Forest алгоритмі болып шықты. Бөлініп, таңбаланған өсімдік үлгілерінің 2184 бөлігінің 2054-і дұрыс жіктелді, бұл шамамен 94 % жалпы дәлдікке сәйкес келеді. Зерттелген кластардың көпшілігі үшін F1-score мәндері жоғары деңгейде болды. Модель спектрлік контрастылығы жоғары ауруларды ғана емес, сыртқы көріністері ұқсас фитопатологияларды да саралауды қамтамасыз етті. Бұл ретте жіктеудегі негізгі қателер зақымдану типі бойынша ұқсас аурулардың, ең алдымен әртүрлі дақтылық пен тат ауруларының спектрлік сипаттамаларының ішінара қабаттасуымен байланысты болып, бұл диагностикалық модельдерді одан әрі жетілдіру кезінде кластар ішіндегі өзгергіштікті ескерудің қажеттілігін көрсетеді.

Арпа ауруларын зерттеу фитопатологиялық үдерістің дамуымен спектрлік жауаптың өзгеруінің жалпы заңдылығын растады және сонымен бірге осы дақылдың жекелеген ауруларына тән ерекшеліктерді анықтады. Зақымданған ұлпалар үшін шағылудың минималды және максималды мәндерінде, спектрлік қисықтардың пішінінде және олардың өзгергіштік дәрежесінде айқын айырмашылықтар тән. Өсімдіктердің күйін саралауға ең елеулі үлесті фотосинтездік пигменттердің сіңірілуімен байланысты көрінетін спектр аймақтары, red edge аймағы және жақын инфрақызыл диапазон қосты. Басты компоненттерді талдау нәтижелері бойынша арпа үшін пигменттік кешен мен ұлпалардың құрылымдық күйіндегі өзгерістерді сипаттайтын шамамен 600, 700 және 750 нм аймақтары ерекше диагностикалық мәнге ие.

Арпа үшін 5121 зақымдану бөлігі бөлініп, жеті негізгі фитопатологиялық күйді жіктеу жүргізілген жұмыс гиперспектралды деректер жиынтығы қалыптастырылды. Жіктеу Neural Network, SVM, Random Forest, Maximum Entropy және SIMCA алгоритмдерін пайдалана отырып жүргізілді. Ең тұрақты нәтижелерді де Random Forest алгоритмі көрсетті. Тозаңды қаракүйе үшін F1-score 99,1 %, масақ фузариозы үшін – 97,8 %, сабақ таты үшін – 97,3 % құрады, ал гельминтоспориозды тамыр шірігі үшін 100 %-ға жетті. Дақтылық ауруларын саралау күрделірек міндет болды: бұл аурулар үшін F1-score көрсеткіші 76,0–82,4 % аралығында болды. Мұндай нәтиже зақымданудың әртүрлі даму кезеңдерінде спектрлік белгілердің өзара қабаттасуымен байланысты болуы мүмкін. Алынған нәтижелер автоматтандырылған диагностиканың тиімділігі тек оқыту деректерінің көлемімен ғана емес, нақты фитопатологиялық кластардың спектрлік тұрғыдан ажыратылу дәрежесімен де анықталатынын растайды.

Жаздық бидай мен арпа бойынша алынған нәтижелерді салыстыру дәнді дақылдардың фитопатологиялық зақымдануға спектрлік реакциясының ортақ заңдылықтарының бар екенін көрсетті. Ең айқын өзгерістер пигменттік құрамның, су режимінің және өсімдік ұлпаларының құрылымының бұзылуымен байланысты. Сонымен бірге нақты аурудың спектрлік сипаттамалары дақылға, зақымданған мүшеге және патологиялық үдерістің сипатына байланысты болады да, бұл репрезентативті мамандандырылған спектрлік деректер базаларын қалыптастыру қажеттілігін растайды. Алынған нәтижелер дақылды, ауру түрін, оның даму кезеңін және өсіп-өну жағдайларын ескере отырып, сау және зақымданған өсімдіктердің эталондық спектрлік сигнатураларын одан әрі жинақтаудың перспективалы екенін көрсетеді.

Әдістемелік тұрғыдан қашықтықтан және проксималды зерттеу деңгейлерін ұштастыру маңызды болып табылады. Ұшқышсыз ұшу аппараттарын пайдалана отырып жүргізілетін қашықтықтан мультиспектрлік түсірілім егістіктердің кеңістіктік тұрғыдан біркелкі емес және ықтимал стресс жағдайындағы аймақтарын анықтауға мүмкіндік береді, ал кейінгі проксималды гиперспектралды визуализация іріктеліп алынған өсімдіктердің спектрлік сипаттамаларын жан-жақты зерттеуге және анықталған өзгерістердің ықтимал табиғатын белгілеуге мүмкіндік береді. Мұндай дәйектілік жекелеген үлгілерді жергілікті зертханалық диагностикалаудан ауыл шаруашылығы дақылдарының фитосанитарлық мониторингінің көпдеңгейлі жүйесіне көшуге негіз қалыптастырады.

Әзірленген тәсілдің практикалық маңызы дәнді дақылдардың фитосанитарлық диагностикасын объективтендіру үшін гиперспектралды визуализацияны машиналық оқыту алгоритмдерімен үйлестіре пайдалану мүмкіндігімен байланысты. Аурулардың спектрлік профильдерін қалыптастыру және оларды автоматтандырылған түрде тану мониторинг нәтижелерінің тек визуалды бағалауға тәуелділігін төмендетуге, зақымданған бөліктерді анықтау жеделдігін арттыруға және фитопатологиялық тәуекел аймақтарын оқшаулауға алғышарттар жасауға мүмкіндік береді. Болашақта бұл қорғау іс-шараларын нысаналы түрде жүргізуге және пестицидтік жүктемені негізсіз арттырмауға бағытталған шешім қабылдауды қолдаудың цифрлық жүйелерін әзірлеу кезінде пайдаланылуы мүмкін.

Осылайша, ұсынылған зерттеулердің нәтижелері гиперспектралды визуализацияның жаздық бидай мен арпаның фитопатологиялық күйлерін диагностикалау құралы ретіндегі перспективалылығын растайды. Сау және зақымданған ұлпалардың спектрлік профильдерін көпөлшемді талдаумен және машиналық оқыту алгоритмдерімен үйлестіріп салыстыру тұрақты диагностикалық белгілерді анықтауға және бірқатар ауруларды автоматтандырылған түрде саралауға мүмкіндік береді. Гиперспектралды деректерді алу, өңдеу және талдаудың әзірленген дәйектілігі дәнді дақылдар ауруларының спектрлік сигнатураларының кітапханаларын одан әрі қалыптастыруға, оларды тану модельдерін жетілдіруге және әзірленген шешімдерді проксималды деңгейден агроценоздарды қашықтықтан мониторингтеу деңгейіне кейіннен көшіруге арналған әдістемелік негіз ретінде қарастырылуы мүмкін. Бұл фитосанитарлық мониторингтің интеллектуалды технологияларын дамытуға және оларды цифрлық және дәлме-дәл егіншілік жүйелеріне интеграциялауға алғышарттар қалыптастырады.