Negli ultimi decenni, la cimice asiatica (Halyomorpha halys) si è rapidamente diffusa in Occidente risultando dannosa per numerose specie ortofrutticole e ornamentali. La sua attività impatta negativamente la qualità di una vasta gamma di derrate con ripercussioni economiche notevoli.
Per l'Integrated Pest management (Ipm), il monitoraggio dello stato delle coltivazioni risulta cruciale: tramite la valutazione della densità di popolazione degli infestanti presenti in campo, esso consente di adottare interventi tempestivi e mirati per contenere l'infestazione. Inoltre, l'adozione di opportuni sistemi di monitoraggio permette di razionalizzare l'impiego di agrofarmaci, favorendo una gestione sostenibile con notevoli ricadute positive per gli agroecosistemi.
Tuttavia, il monitoraggio tradizionale risulta poco efficace a causa del potenziale riproduttivo e dell'elevata mobilità di H. halys, oltre ad essere dispendioso in termini economici e di tempo. Per migliorare il pest management, sistemi automatizzati basati sull'acquisizione di immagini spettrali possono risultare vantaggiosi favorendo un monitoraggio rapido, efficiente e su larga scala.
Nel presente lavoro di tesi è stato valutato l'utilizzo dell'imaging iperspettrale nel vicino infrarosso (Nir) per la rilevazione di cimice asiatica (H. halys) al fine di implementare sistemi di monitoraggio automatizzati da utilizzare in campo. Tale studio è stato sviluppato nell'ambito del progetto europeo "Halyid - Innovative Ict Tools for Targeted Monitoring and Sustainable Management of the Brown Marmorated Stink Bug", volto alla realizzazione di una piattaforma digitale per il monitoraggio della cimice asiatica in campo.
L'utilizzo di telecamere iperspettrali nel range del Nir è stato proposto per superare il problema legato al mimetismo di cimice asiatica, la quale risulta difficilmente distinguibile da sfondi vegetali con colorazione simile (ad esempio rami o corteccia) utilizzando telecamere che lavorano nel range del visibile. A tale scopo, l'imaging iperspettrale risulta particolarmente promettente poiché permette di ottenere sia l'informazione spettrale relativa alla composizione chimica sia l'informazione spaziale relativa alla distribuzione dei pixel corrispondenti ad H. halys, attraverso una procedura di analisi rapida e non distruttiva.
Figura 1: Struttura di un'immagine iperspettrale
(Fonte: Veronica Ferrari)
(Clicca sull'immagine per ingrandirla)
Per l'acquisizione delle immagini iperspettrali sono state considerate 7 tipologie di sfondi vegetali sui quali sono stati disposti 5 gruppi di esemplari di cimici differenti. Tale passaggio ha permesso di acquisire un dataset di 35 immagini simulando le condizioni presenti in campo. Le immagini sono state acquisite utilizzando un sistema iperspettrale di tipo line scanning (Nir Desktop Spectral Scanner, DV Optics) che lavora nel range tra 955 e 1700 nm con una risoluzione di 5 nm.
Sulle immagini è stata effettuata un'analisi esplorativa mediante Principal Component Analysis (Pca): tale passaggio ha permesso la separazione dei pixel relativi ad H. halys dai diversi sfondi. Sulla base di questi risultati è stato selezionato, mediante l'algoritmo di Kennard-Stone, un dataset di spettri rappresentativi di entrambe le classi, contribuendo alla costruzione di una libreria di spettri di riferimento per la cimice asiatica e gli sfondi vegetali considerati.
Il dataset ottenuto è stato utilizzato per lo sviluppo di modelli di classificazione atti a discriminare H. halys dai diversi sfondi. Per la classificazione è stato utilizzato l'algoritmo Partial Least Squares Discriminant Analysis (PLS-DA) e la sua variante Soft PLS-DA, sviluppata dal gruppo di ricerca Chimslab nel quale è stato svolto il presente lavoro. L'algoritmo Soft PLS-DA è stato accoppiato a metodi sparse di selezione delle variabili per identificare le regioni spettrali maggiormente informative per la classificazione. Per l'elaborazione delle immagini e lo sviluppo dei modelli di classificazione sono state utilizzate procedure di analisi ad hoc mediante appositi software (Matlab® e Hyper-Tools).
La validazione dei modelli ottenuti è stata effettuata tramite l'applicazione dei modelli al test set esterno e tramite la visualizzazione delle immagini in predizione. I risultati ottenuti dimostrano che l'imaging iperspettrale nel Nir presenta potenzialità promettenti per la rilevazione di H. halys in campo. Inoltre, l'applicazione dell'algoritmo Soft PLS-DA e i metodi di selezione di variabili hanno consentito di migliorare la flessibilità e la parsimonia dei modelli di classificazione pur mantenendo ottime performance di classificazione.
Figura 2: immagini RGB di riferimento e relative Immagini in predizione ottenute applicando il miglior modello Soft PLS-DA (A) e sparse Soft PLS-DA (B) ad immagini del test set esterno.
(Fonte: Veronica Ferrari)
Sulla base di quanto emerso, i sistemi di monitoraggio automatizzati dotati di telecamere spettrali possono essere un valido strumento decisionale di supporto per il pest management. Sviluppi futuri vertono sull'utilizzo delle lunghezze d'onda selezionate per l'implementazione di sistemi di monitoraggio multispettrali, i quali risultano più compatibili per applicazioni in campo.
Veronica Ferrari, categoria "Sostenibilità degli agroecosistemi e protezione dell'ambiente"
(Fonte: Veronica Ferrari)
Scarica la tesi completa di Veronica Ferrari
Per eventuali contatti: veronica.ferrari@unimore.it
A cura di Veronica Ferrari
AgroInnovation Award è il premio di laurea istituito da Image Line in collaborazione con l'Accademia dei Georgofili al fine di promuovere la diffusione di approcci innovativi, strumenti digitali e l'utilizzo di internet in agricoltura.
Leggi le tesi vincitrici della quinta edizione.
© AgroNotizie - riproduzione riservata
Fonte: AgroNotizie
