+7 906 644 66 80 _____info@gisproxima.ru
Оставить заявку

Гиперспектральные камеры обеспечивают точную идентификацию насекомых-вредителей: исследование в пшеничных полях

На фоне глобальных проблем продовольственной безопасности своевременный мониторинг и точная борьба с сельскохозяйственными вредителями становятся важнейшими задачами. Традиционные методы идентификации, основанные на визуальном осмотре и морфологическом анализе, не только отнимают много времени, но и не позволяют проводить крупномасштабный мониторинг в реальном времени. Сочетание гиперспектральной визуализации и алгоритмов машинного обучения открывает новый путь для автоматизированного распознавания вредителей.
В декабре 2025 года в международном научном журнале Biology была опубликована статья «Гиперспектральная визуализация и машинное обучение для автоматизированной идентификации вредителей зерновых культур». Исследование выполнено научным коллективом Павлодарского государственного университета имени С. Торайгырова (Toraighyrov University). Учёные использовали гиперспектральную камеру FigSpec FS-13 (производство CHNSpec Technology Co.) для анализа спектральных характеристик и классификации 12 основных вредителей пшеничных полей, подтвердив высокую эффективность этого оборудования в агромониторинге.
Почему гиперспектральная визуализация эффективна для идентификации насекомых?
Гиперспектральная технология позволяет получать сотни непрерывных узкодиапазонных спектральных данных в видимом и ближнем инфракрасном диапазоне (обычно 400–1000 нм), формируя полную спектральную кривую для каждого пикселя. В отличие от обычных RGB-камер, гиперспектральные снимки фиксируют не только форму объекта, но и его материальный состав, а также структурные особенности поверхности.
Для насекомых ключевыми факторами, создающими уникальный «спектральный отпечаток», являются:
  • Поверхностные пигменты — светлые и яркие насекомые отражают сильнее, тёмные — слабее.
  • Структура крыльев — прозрачные или полупрозрачные крылья дают высокие пики в ближнем ИК-диапазоне.
  • Текстура покровов — гладкие надкрылья отражают лучше, чем опушённые или шероховатые.
  • Тип хитина — разные кристаллические формы (α, β, γ) по-разному поглощают свет.
Ключевые результаты исследования
1. Значительные различия в спектральных характеристиках
Эксперименты показали, что разные виды насекомых имеют чётко различимые кривые отражения в диапазоне от видимого до ближнего ИК.
Яркие примеры:
  • Клоп красноглазый (Trigonotylus ruficornis) из-за светло-жёлто-зелёной окраски имеет отражательную способность 90–100%.
  • Хлебная блошка (Chaetocnema aridula) с глубоко чёрным телом — лишь 10–20%.
2. PCA-анализ выявил главные компоненты спектральных различий
Метод главных компонент (PCA) показал, что первые две компоненты объясняют более 80% спектральной дисперсии:
  • PC1 — отражает общую разницу в яркости.
  • PC2 — связана с тонкими особенностями поверхности и пигментации.
На графике счетов PCA разные виды сформировали хорошо разделённые кластеры, что создало основу для последующей классификации.
3. Высокая надёжность классификационной модели PLS-DA
Исследователи построили модель PLS-DA (частичной регрессии наименьших квадратов с дискриминантным анализом) на основе данных, собранных камерой FigSpec FS-13, для распознавания 12 типов вредителей. Оценка модели проводилась по коэффициенту детерминации (R²), предсказательной способности (Q²) и среднеквадратичной ошибке калибровки (RMSEC).
Результаты:
  • Для видов с яркой окраской и крупными размерами (например, жуки-скарабеи, зелёные кузнечики) точность идентификации достигает около 90%.
  • Для видов с тёмной окраской и мелкими размерами (хлебные блошки, трипсы) точность несколько ниже, но остаётся в приемлемых пределах.
В целом PLS-DA-модель эффективно различает все 12 видов, что подтверждает надёжность гиперспектральных данных FS-13 для задач энтомологической классификации.
Заключение
Данное исследование, проведённое коллективом Toraighyrov University, демонстрирует высокий потенциал гиперспектральной камеры FigSpec FS-13 для спектрального анализа насекомых и их классификации с помощью машинного обучения. Как отечественное (китайское) гиперспектральное устройство, FS-13 сочетает стабильную производительность и богатые аналитические возможности, предоставляя надёжный инструмент для научных и промышленных задач в таких областях, как мониторинг сельскохозяйственных вредителей и болезней, контроль безопасности пищевых продуктов и сортировка материалов.
На фоне роста спроса на точное земледелие и интеллектуальную защиту растений гиперспектральные технологии будут играть всё более важную роль в управлении сельхозугодьями будущего.
*Источник: Biology (декабрь 2025), исследование Павлодарского государственного университета имени С. Торайгырова (Toraighyrov University) при поддержке других казахстанских вузов. Оборудование: FigSpec FS-13 (CHNSpec).*
21 мая / 2026