Development of pesticide residues detection based on Hyperspectral image using mobile phone cameras

การพัฒนาวิธีตรวจจับสารกำจัดศัตรูพืชโดยการถ่ายภาพไฮเปอร์สเปกตรัมด้วยกล้องจากโทรศัพท์มือถือ

Name: Braja Manggala

LCSH: Agricultural chemicals

LCSH: Hyperspectral imaging

LCSH: Hyperspectral imaging

LCSH: Photography -- Digital techniques

LCSH: Smartphones

Abstract: Pesticides have been the most frequently used chemicals in recent decades to protect agricultural commodities from pests. However, pesticide overuse has impacted the environment and human health. Thus, early pesticide residue detection can effectively reduce pesticides' negative effects. This study proposed a rapid detection method for cypermethrin (CYP) residues using a low-cost hyperspectral based on a mobile phone device. Furthermore, this research was conducted on filter papers with 5 concentrations of CYP (i.e., 0, 175, 500, 1000, 10,000 mg/L). Then, the measurement was done under a lighting box with 3 light sources, i.e., visible, UV, and NIR, that emitted specific wavelengths of 400-700, 380, and 850 nm, respectively. In this study, digital filters (400-700 nm) were employed to approach the acquisition mode of hyperspectral, known as “Area-scanning.” Subsequently, data processing steps were performed to extract CYP residue information from the filter papers’ photos. In the model establishment process, all data were randomly divided into a training set of 80% and a testing set of 20%. Furthermore, the low-cost hyperspectral technique was coupled with principal component analysis (PCA) and three classifier models, which were linear discriminant analysis (LDA), support vector machine (SVM), and artificial neural network (ANN). Three different smartphone resolutions (i.e. 13, 32, and 64 MP) impacted the reflectance result of digital filters, with the 32 MP resolution giving the most apparent details. Finally, significant classification accuracies of cypermethrin residues reached 75%, 81.2%, and 84.4% of LDA, SVM, and ANN, respectively. The addressed method has great potential to detect pesticide residues on-site as a non-destructive, cheap, and easy-to-use method.

Abstract: สารกำจัดศัตรูพืชเป็นสารเคมีที่ใช้บ่อยที่สุดในทศวรรษที่ผ่านมาเพื่อปกป้องสินค้าเกษตรจากศัตรูพืช อย่างไรก็ตาม การใช้สารกำจัดศัตรูพืชมากเกินไปส่งผลกระทบต่อสิ่งแวดล้อมและสุขภาพของมนุษย์ ดังนั้น การตรวจหาสารกำจัดศัตรูพืชตกค้างตั้งแต่เนิ่นๆ สามารถลดผลกระทบด้านลบของสารกำจัดศัตรูพืชได้อย่างมีประสิทธิภาพ การศึกษานี้เสนอวิธีการตรวจหาสารไซเปอร์เมทริน (CYP) ตกค้างอย่างรวดเร็วโดยใช้ไฮเปอร์สเปกตรัมต้นทุนต่ำโดยใช้อุปกรณ์โทรศัพท์มือถือ นอกจากนี้ งานวิจัยนี้ดำเนินการกับกระดาษกรองที่มี CYP 5 ความเข้มข้น (เช่น 0, 175, 500, 1,000, 10,000 มก./ลิตร) จากนั้นทำการตรวจวัดภายใต้กล่องไฟที่มีแหล่งกำเนิดแสง 3 แหล่ง ได้แก่ แสงที่มองเห็นได้ UV และ NIR ที่ปล่อยความยาวคลื่นเฉพาะที่ 400-700, 380 และ 850 นาโนเมตรตามลำดับ ในการศึกษานี้ ฟิลเตอร์ดิจิทัล (400-700 นาโนเมตร) ถูกนำมาใช้เพื่อเข้าใกล้โหมดการได้มาของไฮเปอร์สเปกตรัม หรือที่เรียกว่า “การสแกนพื้นที่” ต่อจากนั้น ขั้นตอนการประมวลผลข้อมูลได้ดำเนินการเพื่อดึงข้อมูลสารตกค้างของ CYP จากรูปถ่ายของกระดาษกรอง ในกระบวนการสร้างแบบจำลอง ข้อมูลทั้งหมดจะถูกสุ่มแบ่งเป็นชุดฝึกอบรม 80% และชุดทดสอบ 20% นอกจากนี้ เทคนิคไฮเปอร์สเปกตรัมต้นทุนต่ำยังใช้ควบคู่กับการวิเคราะห์องค์ประกอบหลัก (PCA) และแบบจำลองลักษณนามสามแบบ ได้แก่ การวิเคราะห์จำแนกเชิงเส้น (LDA) เครื่องเวกเตอร์สนับสนุน (SVM) และโครงข่ายประสาทเทียม (ANN) ความละเอียดของสมาร์ทโฟนที่แตกต่างกันสามแบบ (เช่น 13, 32 และ 64 MP) ส่งผลต่อผลการสะท้อนแสงของฟิลเตอร์ดิจิทัล โดยความละเอียด 32 MP จะให้รายละเอียดที่ชัดเจนที่สุด ในที่สุด ความแม่นยำในการจำแนกประเภทที่สำคัญของสารตกค้างไซเปอร์เมทรินถึง 75%, 81.2% และ 84.4% ของ LDA, SVM และ ANN ตามลำดับ วิธีการระบุนี้มีศักยภาพที่ดีในการตรวจหาสารกำจัดศัตรูพืชตกค้างในสถานที่ซึ่งเป็นวิธีที่ไม่ทำลายล้าง ราคาถูก และใช้งานง่าย

Chiang Mai University. Library

Address: CHIANG MAI

Email: cmulibref@cmu.ac.th

Name: Chatchawan Chaichana

Role: Advisor

Created: 2023

Modified: 2024-01-12

Issued: 2023-11-30

วิทยานิพนธ์/Thesis

application/pdf

eng

DegreeName: Master of Engineering

Level: Master's Degree

Descipline: Agricultural Engineering

Grantor: Chiang Mai University

©copyrights Chiang Mai University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	640631111.pdf	2.76 MB	2	2024-09-23 10:58:09

ใช้เวลา

0.030465 วินาที