Nicosulfuron CAS: 111991-09-4

Nghiên cứu này đã phát triển và kiểm chứng một mô hình dự đoán dựa trên học sâu (deep learning) sử dụng công nghệ ảnh siêu phổ để phát hiện sớm và không xâm lấn tình trạng cây đậu nành rau (Glycine max L.) con bị ảnh hưởng bởi thuốc trừ cỏ nicosulfuron, ngay cả trước khi các triệu chứng biểu hiện ra bên ngoài. Trong điều kiện nhà kính được kiểm soát, các cây con ở giai đoạn ba lá được xử lý bằng ba nồng độ thuốc trừ cỏ (0,5; 1 và 2 mL/L) cùng với nhóm đối chứng (xử lý bằng nước); dữ liệu siêu phổ (dải bước sóng 386–1004 nm) được thu thập vào các thời điểm 1, 3, 5 và 7 ngày sau khi xử lý. Mô hình ResNet-18, được cải tiến với các lớp tích chập 1D (1D convolutional layers) để xử lý dữ liệu phổ, đã đạt hiệu suất phân loại vượt trội vào ngày thứ 7: độ chính xác 100% đối với phân loại nhị phân (thuốc trừ cỏ so với nước), 93,02% đối với phân loại ba nhóm (nước, nồng độ thấp/cao) và 86,53% đối với phân loại bốn nhóm (0; 0,5; 1; 2 mL/L). Phân tích phổ xác định dải bước sóng 518–690 nm—liên quan đến sự hấp thụ của diệp lục và carotenoid—là dải có giá trị chẩn đoán cao nhất; việc tối ưu hóa mô hình chỉ sử dụng dải con này (135 dải phổ) vẫn duy trì độ chính xác 100% ở bài toán nhị phân, đồng thời đạt lần lượt 94,12% và 82,11% ở các bài toán phân loại ba nhóm và bốn nhóm. Nghiên cứu chứng minh rằng sự kết hợp giữa ảnh siêu phổ và các kiến ​​trúc học sâu gọn nhẹ cho phép phát hiện nhanh chóng độc tính của thuốc trừ cỏ trước khi xuất hiện triệu chứng, mở ra hướng đi thực tiễn để phát triển các hệ thống giám sát chi phí thấp, có khả năng triển khai tại thực địa phục vụ nông nghiệp chính xác trong các mô hình canh tác xen canh đậu nành – ngô.