밀밭 연구를 통한 초분광 카메라의 정밀 해충 식별 능력

전 세계적인 식량 안보 문제에 직면하여 농업 분야에서 농업 해충의 시기적절한 모니터링과 정확한 예방 및 통제가 중요한 주제가 되었습니다. 전통적인 해충 식별 방법은 수동 육안 검사 및 형태학적 식별에 의존하는데, 이는 시간이 많이 걸리고 노동 집약적일 뿐만 아니라 대규모 실시간 모니터링을 달성하기 어렵습니다. 최근 몇 년 동안 초분광 영상 기술과 기계 학습 알고리즘의 결합은 곤충 해충의 자동 식별을 위한 새로운 길을 열었습니다.

2025년 12월, 국제 학술지 "Biology"에 "곡물 작물에서 해충 자동 식별을 위한 초분광 영상 및 기계 학습"이라는 제목의 연구 논문이 게재되었습니다. 이 연구는 카자흐스탄의 여러 대학 연구팀에 의해 수행되었습니다. 항저우 CHNSpec Technology Co., Ltd.에서 생산한 "FigSpec FS-13 초분광 카메라"를 사용하여 밀밭의 12가지 주요 해충에 대한 스펙트럼 특징 분석 및 분류 모델링을 수행했으며, 농업 해충 모니터링 분야에서 이 장비의 응용 가치를 입증했습니다.곤충 식별에서 초분광 영상의 장점초분광 영상 기술은 가시광선에서 근적외선 파장 범위(일반적으로 400-1000nm) 내에서 수백 개의 연속적인 좁은 대역 스펙트럼 정보를 얻어 각 픽셀에 대한 완전한 스펙트럼 곡선을 형성할 수 있습니다. 일반 RGB 카메라와 달리 초분광 영상은 물체의 공간적 형태뿐만 아니라 재료 구성 요소 및 표면 구조의 스펙트럼 응답 특성도 기록합니다.

곤충의 경우, 표면 색소, 키틴 구조, 날개 투명도 및 표면 거칠기와 같은 요인이 고유한 스펙트럼 반사 특성을 생성합니다. 이러한 "스펙트럼 지문"을 통해 초분광 영상은 형태학적으로 유사한 종을 구별하고 숨겨진 해충까지 식별할 수 있습니다.

주요 연구 결과

1. 다른 해충의 스펙트럼 특성의 상당한 차이

연구 결과에 따르면 다른 곤충 종은 가시광선에서 근적외선 대역에서 상당히 다른 반사 스펙트럼 곡선을 나타냈습니다. 주요 영향 요인은 다음과 같습니다:

표면 색소: 밝은 색 또는 밝은 곤충(예: 황록색, 흰색)은 반사율이 높고, 어두운 색 또는 검은색 곤충(예: 벼룩 딱정벌레)은 반사율이 낮습니다.

날개 구조: 투명하거나 반투명한 날개(예: 밀씨 파리, 밀 총채벌레)는 근적외선 영역에서 높은 반사 피크를 나타냅니다.

• 표면 질감: 매끄러운 딱지날개는 거칠거나 털이 많은 몸 표면보다 반사율이 높습니다.
• 키틴 유형: 키틴의 다른 결정 형태(α, β, γ 유형)는 스펙트럼 흡수 특성에 영향을 미칩니다.
• 예를 들어, Trigonotylus ruficornis(붉은 뿔 진딧물)는 밝은 황록색 몸 색깔로 인해 90-110%의 높은 반사율을 보입니다. Chaetocnema aridula(곡물 줄기 벼룩 딱정벌레)는 짙은 검은색 몸 색깔로 인해 10-20%의 낮은 반사율을 보입니다.
• 2. PCA 분석은 스펙트럼 차이의 주요 구성 요소를 밝힙니다

PCA 차원 축소 분석 결과, 첫 두 개의 주성분이 스펙트럼 분산의 80% 이상을 설명할 수 있었습니다. 첫 번째 주성분(PC1)은 주로 전체 밝기 차이를 반영하고, 두 번째 주성분(PC2)은 미묘한 몸 표면 구조 및 색소 변화와 관련이 있습니다. 다른 종은 PCA 점수 플롯에서 다른 정도의 클러스터 분리를 나타내 후속 분류의 기반을 제공했습니다.

3. PLS-DA 분류 모델의 강력한 성능

연구팀은 FigSpec FS-13에서 수집한 스펙트럼 데이터를 기반으로 12가지 유형의 해충을 식별하기 위한 PLS-DA 분류 모델을 구축했습니다. 모델 평가 지표에는 결정 계수(R²), 예측 능력(Q²), 보정의 제곱근 평균 오차(RMSEC)가 포함되었습니다. 결과는 다음과 같습니다:

선명한 몸 색깔과 큰 크기의 종(예: 풍뎅이, 녹색 귀뚜라미)의 경우 모델 식별 정확도는 약 90%에 달할 수 있습니다. 어두운 몸 색깔과 작은 크기의 종(예: 벼룩 딱정벌레, 총채벌레)의 경우 정확도가 약간 낮지만 여전히 허용 가능한 범위 내에 있습니다. 전반적으로 PLS-DA 모델은 12가지 유형의 해충을 효과적으로 구별할 수 있으며, 곤충 분류에서 FigSpec FS-13 초분광 데이터의 신뢰성을 검증했습니다.

결론

이 연구 사례는 곤충 해충 스펙트럼 특징 분석 및 기계 학습 분류에서 FigSpec FS-13 초분광 카메라의 응용 잠재력을 보여줍니다. 국내 생산 초분광 영상 장치인 FS-13은 안정적인 성능과 풍부한 지원 분석 기능을 통해 농업 질병 및 해충 모니터링, 식품 안전 검사, 재료 분류와 같은 분야의 과학 연구 및 산업 응용을 위한 신뢰할 수 있는 도구를 제공합니다.

정밀 농업 및 스마트 식물 보호에 대한 수요가 지속적으로 증가함에 따라 초분광 영상 기술은 미래 농경지 관리에서 점점 더 중요한 역할을 할 것입니다.

(원본 논문은 "https://doi.org/10.3390/biology14121715"를 검색하여 읽을 수 있습니다.)