Кіріспе

Дәнді дақылдардың аурулары егістіктердің фитосанитарлық жағдайына, өнімділігіне және алынатын өнімнің сапасына елеулі әсер ететін факторлардың бірі болып табылады. Фитопатологияларды уақтылы диагностикалау астық өндіретін өңірлер үшін ерекше маңызға ие, өйткені бұл өңірлерде бидай мен арпа ауыл шаруашылығы өндірісінің құрылымында маңызды орын алады. Ауруларды анықтаудың дәстүрлі әдістері өсімдіктердегі симптомдарды визуалды бағалауға және кейіннен ауру қоздырғышын зертханалық растауға негізделеді. Бұл әдістер жоғары ақпараттылығымен ерекшеленгенімен, айтарлықтай уақыт пен еңбек шығындарын талап етеді әрі патологиялық өзгерістерді ерте кезеңдерде анықтауға әрдайым мүмкіндік бере бермейді.

Фитосанитарлық мониторингті жетілдірудің перспективалы бағыттарының бірі – гиперспектралды визуализация технологиясын қолдану. Өсімдік ұлпаларының көптеген тар спектрлік диапазондардағы шағылу сипаттамаларын тіркеу олардың пигменттік құрамының, ұлпа құрылымының, су күйінің және басқа да физиологиялық үдерістерінің өзгеруіне байланысты туындайтын оптикалық қасиеттеріндегі өзгерістерді анықтауға мүмкіндік береді. Аурудың дамуымен спектрлік қисықтардың пішіні мен спектрдің жекелеген аймақтарындағы шағылу қарқындылығы өзгереді. Бұл өсімдіктердің сау және зақымданған бөліктерін олардың спектрлік профильдері негізінде ажыратуға мүмкіндік береді.

Монографияның мақсаты – сау және зақымданған өсімдіктердің спектрлік профильдерін салыстыру және машиналық оқыту әдістерін қолдану негізінде гиперспектралды визуализация технологиясын пайдалана отырып, жаздық бидай мен арпа ауруларын ерте диагностикалауға бағытталған әдістемелік тәсілдер мен зерттеу нәтижелерін жинақтау және жүйелеу.

Монографияда ұсынылған зерттеулер өсімдік үлгілерін фитопатологиялық бағалауды, гиперспектралды түсірілімді, гиперспектралды кескіндерді өңдеуді, қызығушылық аймақтарын бөлуді, спектрлік профильдерді талдауды, сондай-ақ көпөлшемді талдау және машиналық оқыту әдістерін қолдануды дәйекті түрде ұштастыруға негізделген. Мұндай тәсіл аурудың сыртқы көріністерін визуалды сипаттаудан зақымданған ұлпалардың спектрлік ерекшеліктерін сандық бағалауға және фитопатологиялық жағдайларды автоматты түрде жіктеуге көшуге мүмкіндік береді.

Зерттеу нысандары ретінде әртүрлі саңырауқұлақ ауруларымен зақымданған жаздық бидай мен арпа қарастырылады. Сау және зақымданған өсімдіктердің спектрлік сипаттамаларын талдау патологиялық үдерістің даму барысында шағылу қабілетінің өзгеру заңдылықтарын анықтауға, спектрдің неғұрлым ақпаратты аймақтарын айқындауға және алынған белгілерді ауруларды саралау үшін пайдалану мүмкіндігін бағалауға мүмкіндік береді. Зақымдануларды автоматтандырылған түрде тану үшін машиналық оқыту алгоритмдері қолданылады, олардың тиімділігі жіктеу сапасының көрсеткіштері негізінде бағаланады.

Қосымша бағыттардың бірі – қашықтан және проксималды мониторинг деңгейлерін ұштастыру. Арпаға жүргізілген зерттеуде егістіктердегі стресс аймақтарын анықтау мақсатында ұшқышсыз ұшу аппаратының көмегімен қашықтықтан мультиспектрлік түсірілім жүргізіледі. Одан кейін өсімдік үлгілерін мақсатты түрде іріктеу және оларды егжей-тегжейлі гиперспектралды зерттеу жүзеге асырылады. Мұндай тәсіл агроценоздың жағдайын егістік деңгейінде бағалаудан жекелеген зақымданған өсімдіктердің спектрлік сипаттамаларын талдауға кезең-кезеңімен көшу мүмкіндігін көрсетеді.

Ұсынылған зерттеулердің тәжірибелік маңызы дәнді дақылдардың фитосанитарлық мониторинг жүйелерін жетілдіру үшін гиперспектралды визуализация мен машиналық оқыту әдістерін пайдалану мүмкіндігімен байланысты. Ауруларға тән спектрлік белгілерді анықтау және оларды автоматты түрде жіктеу фитопатологиялық өзгерістерді жедел анықтауға, проблемалық бөліктерді оқшаулауға және өсімдіктерді қорғау жөніндегі іс-шараларды жүргізудің негізділігін арттыруға мүмкіндік береді.

Монография төрт бөлімнен тұрады. Бірінші бөлімде зерттеу тақырыбы бойынша әдеби шолу берілген, екінші бөлімде зерттеу материалдары мен әдістері сипатталған, үшінші бөлім жаздық бидай ауруларын гиперспектралды зерттеудің әдістемелік тәсілдері мен нәтижелеріне арналған, ал төртінші бөлім арпа ауруларын қашықтан және жақыннан зондтау, спектрлік профильдерді талдау және машиналық оқыту алгоритмдерін пайдалану арқылы зерттеуге арналған.