Comparison of Multispectral and Hyperspectral UAV Imagery for Late Blight (Phytophtora infestans) detection in a potato (Solanum tuberosum) field

Mestrado em Engenharia Agronómica. Universidade de Lisboa, Instituto Superior de Agronomia

Late Blight (LB) is of high concern in the potato crop production. The disease, caused by the oomycete Phytophtora infestans, is responsible for causing huge impacts on the global production. A prompt and specific control, besides being most likely to succeed, enables strategies of small-scale site-specific management which, when combined with a correct detection and good decision model, are expected to reduce the pesticide use. The detection of diseased plants with multispectral and hyperspectral UAV imagery has a great potential in improving LB management and control. In this context, the Portuguese company HPDRONES, within the PG-PSA project, wants to investigate the use of hyperspectral solutions for LB early detection. A drone embedded with a hyperspectral camera has been flighted across an experimental plot in the Ribatejo region. The present work provide an exemplification of a model for the detection of LB using UAV imagery in an open field of potato, involving the use of drones for the image collection and of machine learning algorithms to implement the data analysis. A supervised classification method is proposed. The result is a hyperspectral classifier able to perform an accurate LB detection. On the basis of the limitation of the hyperspectral technologies, a sensitivity approach is proposed, in which spatial and spectral degraded data are used to evaluate the classification’s success under different conditions. The results suggest that the use of drones with multispectral sensors or using different operational parameters (i.e. flight altitude) do not affect the efficiency of the LB detection.

O míldio é uma das principais doenças que afeta a produção de batata. A doença, causada pelo oomiceta Phytophtora infestans, é responsável por ter grandes impactos na produção mundial desta cultura. Um controle rápido e específico, para além de ter maior probabilidade de sucesso, permite estratégias de controle smallscale e site-specific que, quando combinadas com uma detecção correta e um modelo de decisão adequado, conseguem reduzir sensivelmente o uso de pesticidas. A detecção de plantas doentes através de imagens multiespectrais e hiperespectrais de drone tem um grande potencial para o controle de míldio. Neste contexto, a empresa portuguesa HPDRONES, no âmbito do projeto PG-PSA, pretende investigar a utilização de soluções hiperespectrais para a deteção precoce de míldio. Para o efeito, foi usado um drone com uma câmara hiperespectral para a captura das imagens aéreas de uma parcela experimental localizada na região do Ribatejo. O presente trabalho oferece uma exemplificação de um modelo de detecção de míldio usando imagens coletadas em um campo aberto de batata, envolvendo o uso de drones para a coleta de imagens e de algoritmos de aprendizagem para implementar a análise de dados. Propõe-se um método de classificação supervisionado. O resultado é um classificador hiperespectral capaz de detectar a presença de míldio em campo. Com base nas limitações das tecnologias hiperespectrais, propõe-se uma análise de sensibilidade, através da qual os dados espaciais e espectrais degradados são usados para avaliar o sucesso da classificação sob diferentes condições. Os resultados sugerem que o uso de drones com sensores multiespectrais ou usar diferentes parâmetros operacionais (ou seja, altitude de voo) não afeta a eficiência da detecção de míldio.

N/A