วิธีการรวมกันสำหรับการตรวจจับโรคใบบีชในภาคสนามโดยใช้สเปกโตรสโคปีใกล้อินฟราเรดและการเรียนรู้ของเครื่อง

บทคัดย่อ:

ความสามารถในการตรวจจับต้นไม้ที่เป็นโรคก่อนที่อาการจะเกิดขึ้นเป็นกุญแจสำคัญในการจัดการสุขภาพป่าเพราะช่วยให้สามารถแทรกแซงได้ทันเวลาและมีเป้าหมายมากขึ้นวัตถุประสงค์ของการศึกษานี้คือการพัฒนาแนวทางในภาคสนามสำหรับการตรวจหาโรคใบบีช (BLD) ในช่วงต้นและรวดเร็วซึ่งเป็นโรคที่เกิดขึ้นใหม่ของต้นบีชอเมริกัน โดยอิงจากแบบจำลองการจำแนกประเภทที่มีการดูแลของโปรไฟล์สเปกตรัมใบใกล้อินฟราเรด (NIR)เพื่อตรวจสอบประสิทธิภาพของวิธีนี้เรายังใช้โปรโตคอลที่ใช้ QPCR สำหรับการหาปริมาณไส้เดือนฝอยทางใบที่ระบุใหม่ที่ระบุว่าเป็นสาเหตุที่คาดเดาของ BLD, Litylenchus crenatae ssp. mccannii (LCM)สเปกตรัม NIR ถูกรวบรวมในเดือนพฤษภาคม กรกฎาคม และกันยายน 2021 และวิเคราะห์โดยใช้เครื่องเวกเตอร์สนับสนุนและอัลกอริทึมป่าแบบสุ่มสำหรับชุดข้อมูลเดือนพฤษภาคมและกรกฎาคม โมเดลทำนายใบก่อนอาการอย่างแม่นยำ (ความแม่นยำในการทดสอบสูงสุด = 100%) แต่ยังแยกแยะสเปกตรัมอย่างถูกต้องตามตำแหน่งทางภูมิศาสตร์ (ความแม่นยำในการทดสอบสูงสุด = 90%)ดังนั้นเราจึงไม่สามารถสรุปได้ว่าความแตกต่างของสเปกตรัมเกิดจากการปรากฏตัวของเชื้อโรคเพียงอย่างเดียวอย่างไรก็ตาม ชุดข้อมูลเดือนกันยายนลบตำแหน่งเป็นปัจจัยและแบบจำลอง แยกแยะก่อนอาการอย่างถูกต้องจากตัวอย่างดั้งเดิม (ความแม่นยำในการทดสอบสูงสุด = 95.9%)แถบสเปกตรัมห้าแถบ (2,220, 2,400, 2,346, 1,750 และ 1,424 นาโนเมตร) ซึ่งเลือกใช้แบบจำลองการเลือกแบบแปรผันถูกแบ่งปันในทุกรุ่น ซึ่งบ่งชี้ความสอดคล้องกับการเหนี่ยวนำทางไฟโตเคมีโดยการติดเชื้อ LCM ของใบก่อนอาการผลลัพธ์ของเราแสดงให้เห็นว่าเทคนิคนี้มีความน่าเชื่อถือสูงในฐานะเครื่องมือวินิจฉัยในภาคสนามสำหรับ BLD