Überblick Hyperspektrale Bildanalyse

RGB Bild von Plasmopara viticola auf Weinblatt — Abb. 1: RGB Bild Weinblatt mit *P. viticola*

Die im Nemaplot Projekt entwickelte Technik ist ebenfalls auf die Analyse hyperspektraler Bilder anwendbar. Auch hier werden die Gesamtinformationen des Spektrums, diesmal für jedes Pixel eines Bildes, durch die Modellanpassung berücksichtigt. Im Gegensatz zu den Experimenten mit einer durch den Versuch bedingten Klasseneinteilung sind diese Klasseneinteilungen für eine Analyse innerhalb des Bildes nicht möglich, da hier in einem Bild alle möglichen Facetten eines Einflussfaktors dargestellt werden. Daher werden die Analysen des zweiten Auswerteschritts mit einer Clusteranalyse durchgeführt. Der Vorteil der Clusteranalyse besteht darin, das keine Klassifikation vorgegeben werden muss. Als Beispiel wurden die Versuche des Falschem Mehltaus, (Plasmopara viticola)) gewählt¹. Parallel zu den Blattmessungen mit der Plant Probe wurden ganze Blätter mit einer hyperspektralen Linienkamera gescannt. Das RGB Bild (rechts) ist ein Ausschnitt der Oberseite eines Blattes. Die Frage gilt zu klären was, welche pathogen bedingten Muster der Blattunterseite durch die Modellanpassung auf der Blattoberseite erkannt werden können. Dazu wird das Problem nach der Modellanpassung in mehrere Teilschritte aufgeteilt.

Teil A: Bildhafte Darstellung der Modellparameter (Darstellung in 8 äquidistanten Farbklassen)

Die Parameter, die die relative Reflexion auf der y-Achse beschreiben, ergeben schon ein sehr gutes Bild der Vorlage (Links), einige Parameter sind physiologisch wichtig, wie der Wendepunkt in den Infrarotbereich (Mitte), andere Parameter des Modells besitzen nur eine schwache visuelle Übereinstimmung mit der RGB Vorlage (Rechts).

Für weitere Hintergrundinformationen der hier angewandten hyperspektralen Bildverarbeitung auf Basis der Clusteranalyse und möglichen Vereinfachungen folgen Sie dem weiterführenden Link

Fallbeispiel aus Feldversuchsanwendungen

Dichteschätzung von Heterodera schachtii mit hyperspektralen Sensoren, ca. 3 MB

Um die Brauchbarkeit der entwickelten Maßzahlen zu überprüfen wurde ein Kamerabild der Fa. Cubert ² aus einem Zuckerrübenbestand des JKI Elsdorf ausgewertet. Es geht in diesem Beispiel dabei um die Populationsschätzung von bodenbürtigen Nematoden anhand der hyperspektralen Reflexion des Blattapparates. Diese Daten wurden im Rahmen eines EU finanzierten und von Nemaplot Kai Schmidt initiierten Projekts am JKI Elsdorf erhoben. Der Projektbericht kann über den Link heruntergeladen werden. Der Bericht stellt die Hintergründe und die typischen Spektren für das zu behandelnde Nematodenproblem dar. Es muss dabei klargestellt werden, dass die Nematodendichten in der Regel über Bodenproben mit Hilfe von Stechzylindern erhoben werden, d.h. großflächig sind die Verteilung des Wurms angenähert bekannt, in kleinen Parzellen ist dies nicht der Fall.

Hyperspektralbild	Erläuterung
Hyperspektralbild (RGB) einer Zuckerrübenversuchsparzelle mit einem sehr hohem Nematodenbesatz, ca. 4000 Eier u. Larven/ 100 ml Boden. Die Parzelle ist eingerahmt von Wirtschaftswegen. Parzellenabgrenzung durch ausgelegte Weißstandards. Aufnahme einer Cubert ² Kamera im gegebenen Wellenlängenbereich von 400 bis 900 nm.	Parzellenaufnahme durch die Cubert² - Kamera unter einem Oktokopter, die Kamera hat eine Auflösung von 50 x 50 Pixel.

Hyperspektrale Bildanalyse und Klassifikation

Die Clusteranalyse ergab bei vorgegebenen 8 Cluster das links dargestellte, in Spektralfarben aufgeteilte Muster. Die ersten 5 Cluster beschreiben den Hintergrund, sie bestimmen den offenen Boden der Wirtschaftswege und die hinterlegten Weißstandards (blau bis hellgelb). Auch die Fehlstelle innerhalb des Bestandes ist klar zu erkennen (Koordinate 20;18). Von Interesse bezüglich der Zielgrößen sind die Cluster 6-8. Das resultierende Muster ist in etwa so, wie man sich eine Nematodenpopulation im Bestand vorstellen kann. Als Ergebnis können für die einzelnen Clusterzuordnungen folgende Hypothesen aufgestellt werden:

Hyperspektrale Bildanalyse gesunder Bereiche

Cluster 7 (orange Farbgebung) und der entsprechende 95%Vertrauensbereich: die Streuung ist zwar typischerweise hoch, aber auch ohne Ausreißer in den sichtbaren Wellenlängenbereichen (580-700 nm). Man kann vermuten, es handelt sich um nematodenfreie Areale, bzw. um Bereiche mit geringen Nematodendichten.

Hyperspektrale Bildanalyse schwer befallener Bereiche

Die Signaturen des Clusters 8, Darstellung in rot (mit Vertrauensbereich) beschreiben sowohl in ihrer relativen Lage zu Cluster 7, inklusive der Streuung in den Wellenlängen von 580 bis 700 nm und die hohen Nematodendichten von bis zu 4000 E&L/100 ml Boden. Insbesondere die höhere Reflexion im sichtbaren Bereich als auch die geringere Reflexion im Infrarotbereich deuten darauf hin.

Hyperspektrale Bildanalyse leicht befallener Bereiche

Cluster 6 (ockergelb), wieder zu sehen im Verhältnis zu Cluster 7. Hier sind die einzelnen Ausreißer im Wellenlängenbereich von 580 bis 700 nm am höchsten. Zu dem Cluster gehören auch spektrale Verläufe, wie sie typischerweise bei Blattkrankheiten auftreten. Es könnten aber auch Spektren sein, die noch den Wirtschaftswegen zugeordnet werden . Vermutet werden hier tatsächlich geringere Nematodendichten als in Cluster 8.

Zur Kontrolle werden die Hyperspektralmessungen des Versuches auf der Basis des ASD FieldSpec gegenübergestellt. Auch hier weisen die Signaturen in den Wellenlängen 580 bis 700 nm Varianzen auf, die den mittleren bis hohen Nematodendichten zuzuordnen sind (blaue und grüne Bereiche).

Fazit: Die Kombination aus Flächeninformation und Streuung der Clusterspektren ermöglicht die Interpretation auf das zu untersuchende Problem, bzw. ermöglicht den prinzipiell abstrakten Clustern eine versuchsbedingte Zuordnung.