Прибор фотолюминесцентного контроля зараженности семян фузариозом

Болезни растений снижают урожайность сельскохозяйственных культур и могут серьезно повлиять на устойчивость аграрной отрасли. Для контроля и эффективной борьбы болезней важно их выявлять на раннем этапе. Провели анализ оптических методов и приборов диагностики зараженности растений. (Цель исследования) Разработать прибор оптической фотолюминесцентной диагностики заражения семян злаковых растений фузариозом. (Материалы и методы) Исследовали зараженные фузариозом семена озимой пшеницы сорта Иришка 172 и ячменя Московский 86. (Результаты и обсуждение) В универсальном приборе, измеряющем зараженность пшеницы и ячменя, необходимо иметь три источника излучения с длиной волны 362, 424 и 485 нанометров. Для возбуждения люминесценции на длине волны 362 нанометра наиболее подходит светодиод VLMU3510-365-130, на 424 нанометра - светодиод CREELED424, на 485 нанометров - светодиод XPEBBL-L1. Для регистрации люминесценции семян в диапазонах 390-550 и 510-670 нанометров выбран фотодиод VEMD5510, а в диапазоне 450-600 нанометров - фотодиод BPW21R. Также выбраны микроконтроллер, операционный усилитель, дисплей, клавиатура и другие компоненты. Разработана структурная схема, включающая светооптический и электронный блоки, а также блок питания. При лабораторных испытаниях прототипа прибора «ЛЮМ ВИМ-1» получены зависимости фотосигналов при 362, 424 и 485 нанометрах для семян пшеницы и ячменя различной степени зараженности. Методика определения зараженности фузариозом включает пробоподготовку, возбуждение и регистрацию фотолюминесценции, усиление соотношения фотосигналов и расчет зараженности по градуировочным уравнениям. (Выводы) На основе критерия энергоэффективности выбраны источники и приемники излучения для прибора экспресс-контроля степени заражения фузариозом семян пшеницы и ячменя. В ходе лабораторных испытаний подтверждены ранее полученные зависимости потоков фотолюминесценции семян от зараженности и уточнены градуировочные характеристики разработанного прибора.

1. Измайлов А.Ю., Лобачевский Я.П., Хорошенков В.К. и др. Оптимизация управления технологическими процессами в растениеводстве // Сельскохозяйственные машины и технологии. 2018. Т. 12. N3. С. 4-11. DOI: 10.22314/2073-7599-2018-12-3-4-11.

2. Альт В.В., Исакова С.П. Планирование производства продукции растениеводства с применением цифровых технологий // Сельскохозяйственные машины и технологии. 2022. Т. 16. N3. С. 12-19. DOI: 10.22314/2073-7599-2022-16-3-12-19.

3. Лобачевский Я.П., Дорохов А.С. Цифровые технологии и роботизированные технические средства для сельского хозяйства // Сельскохозяйственные машины и технологии. 2021. Т 15. N4. С. 6-10. DOI: 10.22314/2073-7599-2021-15-4-6-10.

4. Alemu K. Detection of diseases, identification and diversity of viruses: A review. Journal of Biology, Agriculture and Healthcare. 2015. N5(1). 132-141.

5. Mohd Ali M., Bachik N.A., Muhadi N.A. et al. Non-destructive techniques of detecting plant diseases: A review. Physiological andMolecular Plant Pathology. 2019. 108. 101426. DOI: 10.1016/j.pmpp.2019.101426.

6. Mahlein A.-K., Alisaac E., Al Masri A. et al. Comparison and combination of thermal, fluorescence, and hyperspectral imaging for monitoring Fusarium head blight of wheat on spikelet scale. Sensors. 2019. N19(10). 2281. DOI: 10.3390/s19102281.

7. Makmuang S., Nootchanat S., Ekgasit S., Wongravee K. Non-destructive method for discrimination of weedy rice using near infrared spectroscopy and modified Self-Organizing Maps (SOMs). Computers and Electronics in Agriculture. 2021. 191. 106522. DOI: 10.1016/j.compag.2021.106522.

8. Tsakanikas P., Fengou L.-C., Manthou E. et al. A unified spectra analysis workflow for the assessment of microbial contamination of ready-to-eat green salads: Comparative study and application of non-invasive sensors. Computers and Electronics in Agriculture. 2018. N155. 212-219. DOI: 10.1016/j.compag.2018.10.025.

9. Johannes A., Picon A., Alvarez-Gila A. et al. Automatic plant disease diagnosis using mobile capture devices, applied on a wheat use case. Computers and Electronics in Agriculture. 2017. N138. 200-209. DOI: 10.1016/j.compag.2017.04.013.

10. Zhang D.-Y., Chen G., Yin X. et al. Integrating spectral and image data to detect Fusarium head blight of wheat. Computers and Electronics in Agriculture. 2020. N175. 105588. DOI: 10.1016/j.compag.2020.105588.

11. Heim R.H.J., Wright I.J., Chang H.C. et al. Detecting myrtle rust (Austropucciniapsidii) on lemon myrtle trees using spectral signatures and machine learning. Plant Pathology. 2018. N67(5). 1114-1121. DOI: 10.1111/ppa.12830.

12. Bauriegel E., Herppich W.B. Hyperspectral and chlorophyll fluorescence imaging for early detection of plant diseases, with special reference to Fusarium spec. infections on wheat. Agriculture. 2014. 4(1). 32-57. DOI: 10.3390/AGRICULTURE4010032.

13. Tischler Y.K., Thiessen E., Hartung E. Early optical detection of infection with brown rust in winter wheat by chlorophyll fluorescence excitation spectra. Computers and Electronics in Agriculture. 2018. N146. 77-85. DOI: 10.3389/fpls.2019.01239.

14. Berzaghi P, Cherney J.H., Casler M.D. Prediction performance of portable near infrared reflectance instruments using preprocessed dried, ground forage samples. Computers and Electronics in Agriculture. 2021. N182. 106013. DOI: 10.1016/j.compag.2021.106013.

15. Zhang L., Wang L., Wang J. et al. Leaf Scanner: A portable and low-cost multispectral corn leaf scanning device for precise phenotyping. Computers and Electronics in Agriculture. 2019. N167. 105069. DOI: 10.1016/j.compag.2019.105069.

16. Song D., Qiao L., Gao D. et al. Development of crop chlorophyll detector based on a type of interference filter optical sensor. Computers and Electronics in Agriculture. 2021. 187. 106260. DOI: 10.1016/j.compag.2021.106260.

17. Zhou L., Zhang C., Taha M.F. et al. Determination of leaf water content with a portable NIRS system based on deep learning and information fusion analysis. Transactions of the ASABE. 2021. N64(1). 127-135. DOI: 10.13031/trans.13989.

18. Лебедев Д.В., Рожков Е.А. Отсортировка по цвету зараженных фузариозом и головней семян пшеницы в многокритериальном фотоэлектронном сепараторе // Электротехнологии и электрооборудование в АПК. 2019. N 4(37). С. 25-29.

19. Bashilov A.M., Efremenkov I.Y., Belyakov M.V. et al. Deter-mination of main spectral and luminescent characteristics of winter wheat seeds infected with pathogenic microflora. Photonics. 2021. N8. 494. DOI: 10.3390/photonics8110494.

20. Moskovskiy M.N., Belyakov M.V., Dorokhov A.S. et al. Design of device for optical luminescent diagnostic of the seeds infected by Fusarium. Agriculture. 2023. N13(3). 619. DOI: 10.3390/agriculture13030619.