스펙트럼 프로필을 이용한 기계 학습 기반의 쌀 겉껍질 병의 조기 증상 감지

식물 질병의 조기 발견은 증상 발생 전 이루어지며, 이는 보다 목표 지향적이고 적극적인 질병 관리를 가능하게 할 수 있습니다. 본 연구의 목적은 곰팡이 Rhizoctonia solani에 의해 발생하는 쌀 겉껍질 병(ShB)의 조기 발견을 위해 근적외선(NIR) 분광학과 기계 학습의 결합 사용을 평가하는 것이었습니다. R. solani에 감염된 후 하루가 지난 성장 챔버에서 ShB에 취약한 쌀(Oryza sativa L.) 품종인 Lemont의 잎에서 NIR 스펙트럼을 수집하였으며, 질병 증상이 발생하기 전이었습니다. 감독 분류 기반의 질병 예측 모델의 정확도를 구축하고 평가하기 위해 두 개의 기계 학습 알고리즘인 지지 벡터 기계(SVM)와 랜덤 포레스트를 사용했습니다. 희소 부분 최소 제곱 판별 분석이 결과를 확인하는 데 사용되었습니다. 모의 감염된 식물과 감염된 식물을 비교했을 때 가장 정확한 모델은 SVM 기반으로 전체 시험 정확도가 86.1% (N = 72)였으며, 대조군, 모의 감염된 식물, 감염된 식물을 비교했을 때 가장 정확한 SVM 모델은 전체 시험 정확도가 73.3% (N = 105)였습니다. 이러한 결과는 기계 학습 모델이 질병 발병 초기 단계에서 스펙트럼 프로필을 기반으로 무증상 감염된 식물을 진단하는 도구로 개발될 수 있음을 시사합니다. 현장 시험에서의 테스트 및 검증이 여전히 필요하지만, 이 기술은 질병 진단 및 관리 분야에서의 적용 가능성에 대해 긍정적인 전망을 가지고 있습니다.