I mirtilli, che sono ricchi di elementi nutritivi, sono suscettibili di infezioni fungine durante il post-raccolta o la conservazione. Tuttavia, l'individuazione precoce delle malattie nei mirtilli è difficile a causa del loro aspetto opaco e della scarsa visibilità delle macchie nella fase iniziale della malattia. L'obiettivo di questo studio era quello di indagare il potenziale dell'imaging iperspettrale Vis-Nir nell'intervallo spettrale di 400-1000 nm per discriminare le malattie precoci nei mirtilli.
L'osservazione al microscopio elettronico a scansione ha verificato che il danno fungino alla struttura cellulare avviene durante le prime fasi. Un totale di 400 immagini iperspettrali, 200 campioni ciascuno dei gruppi di malattie sane e precoci, sono stati raccolti per ottenere gli spettri medi di ogni campione di mirtillo. L'analisi di correlazione spettrale è stata eseguita per selezionare un intervallo spettrale efficace.
Sono stati sviluppati modelli PLSDA (Partial least square discrimination analysis) utilizzando due tipi di range spettrale (cioè, range di lunghezza d'onda completa di 400-1000 nm e range spettrale effettivo di 685-1000 nm).
I risultati hanno mostrato che l'intervallo spettrale effettivo ha permesso di fornire migliori risultati di classificazione grazie all'eliminazione dell'influenza di variabili irrilevanti.
Inoltre, l'intervallo spettrale effettivo combinato con un metodo di pre-elaborazione in scala automatica è stato in grado di ottenere una precisione di classificazione ottimale, con tassi di riconoscimento del 100% e del 99% per i mirtilli sani e per le malattie precoci.
Questo studio ha dimostrato che è possibile utilizzare l'imaging iperspettrale per misurare i mirtilli delle malattie precoci.
Accedi allo studio completo (11 pagine, inglese, 13 ottobre 2020)
Measurement of Early Disease Blueberries Based on Vis/NIR Hyperspectral Imaging System
- Yuping Huang, College of Mechanical and Electronic Engineering, Nanjing Forestry University, Nanjing 210037, China;
- Dezhen Wang, College of Mechanical and Electronic Engineering, Nanjing Forestry University, Nanjing 210037, China;
- Ying Liu, College of Mechanical and Electronic Engineering, Nanjing Forestry University, Nanjing 210037, China;
- Haiyan Zhou, College of Mechanical and Electronic Engineering, Nanjing Forestry University, Nanjing 210037, China;
- Ye Sun, College of Engineering, Nanjing Agricultural University, Nanjing 210031, China
Fonte: Blueberries Consulting
Blueberries Consulting è parte del network globale di Italian Berry
