Open Access
Applications of sensing for disease detection
(Springer, 2021) Castro, Ana Isabel de; Pérez Roncal, Claudia; Thomasson, J. Alex; Ehsani, Reza; López Maestresalas, Ainara; Yang, Chenghai; Jarén Ceballos, Carmen; Wang, Tianyi; Cribben, Curtis; Marín Ederra, Diana; Isakeit, Thomas; Urrestarazu Vidart, Jorge; López Molina, Carlos; Wang, Xiwei; Nichols, Robert L.; Santesteban García, Gonzaga; Arazuri Garín, Silvia; Peña, José Manuel; Agronomía, Biotecnología y Alimentación; Agronomia, Bioteknologia eta Elikadura; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika; Ingeniería; Ingeniaritza; Gobierno de Navarra / Nafarroako Gobernua; Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa
The potential loss of world crop production from the effect of pests, including weeds, animal pests, pathogens and viruses has been quantifed as around 40%. In addition to the economic threat, plant diseases could have disastrous consequences for the environment. Accurate and timely disease detection requires the use of rapid and reliable techniques capable of identifying infected plants and providing the tools required to implement precision agriculture strategies. The combination of suitable remote sensing (RS) data and advanced analysis algorithms makes it possible to develop prescription maps for precision disease control. This chapter shows some case studies on the use of remote sensing technology in some of the world’s major crops; namely cotton, avocado and grapevines. In these case studies, RS has been applied to detect disease caused by fungi using different acquisition platforms at different scales, such as leaf-level hyperspectral data and canopy-level remote imagery taken from satellites, manned airplanes or helicopter, and UAVs. The results proved that remote sensing is useful, effcient and effective for identifying cotton root rot zones in cotton felds, laurel wilt-infested avocado trees and escaaffected vines, which would allow farmers to optimize inputs and feld operations, resulting in reduced yield losses and increased profts.
Open Access
Prediction of main potato compounds by NIRS
(AIDIC, 2017) López Maestresalas, Ainara; Pérez Roncal, Claudia; Tierno, Roberto; Arazuri Garín, Silvia; Ruiz de Galarreta, José Ignacio; Jarén Ceballos, Carmen; Proyectos e Ingeniería Rural; Landa Ingeniaritza eta Proiektuak; Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa
Potato (Solanum tuberosum, L) compounds are generally determined by analytical methods including gasliquid chromatography (GLC), HPLC and UV-VIS spectrophotometry. These methods require a lot of time and are destructive. Therefore, they seem to be not suitable for in-line applications in the food industry. Nearinfrared spectroscopy (NIRS) is a technique that presents some advantages over reference methods for quantitative analysis of agricultural and food products since it is fast, reliable and non-destructive. For this reason, in this study, quantitative analyses were carried out to determine main compounds in potatoes using NIRS. Potato tubers grown in two consecutive years were used for the analyses. NIR spectral acquisition was acquired on lyophilized samples. In year 1, a total of 135 samples were used while 228 samples were used in year 2. Lyophilized samples were also scanned by NIRS, two replicates per samples were acquired and the mean spectrum of each sample was used for the analysis. Different chemical analyses were carried out each year. Thus, in year 1 the following parameters were quantified: reducing sugars (RS) and nitrogen (N), whereas in year 2, total soluble phenolics (TSP) and hydrophilic antioxidant capacity (HAC) were extracted and quantified. Then, chemometric analyses were performed using Unscrambler X (version 10.3, CAMO software AS, Oslo, Norway) to correlate wet chemical analysis with spectral data. Quantitative analyses based on PLS regression models were developed in order to predict the above chemical compounds of tubers in a non-destructive manner. Good PLS regression models were obtained for the prediction of nitrogen and TSP with coefficients of determination (R2) above 0.83. Moreover, PLS models obtained for the estimation of HAC could be used for screening and approximate calibrations.
Open Access
Exploring the potential of hyperspectral imaging to detect Esca disease complex in asymptomatic grapevine leaves
(Elsevier, 2022) Pérez Roncal, Claudia; Arazuri Garín, Silvia; López Molina, Carlos; Jarén Ceballos, Carmen; Santesteban García, Gonzaga; López Maestresalas, Ainara; Ingeniaritza; Estatistika, Informatika eta Matematika; Agronomia, Bioteknologia eta Elikadura; Institute on Innovation and Sustainable Development in Food Chain - ISFOOD; Ingeniería; Estadística, Informática y Matemáticas; Agronomía, Biotecnología y Alimentación; Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa
Precise and reliable identification of specific plant diseases is a challenge within precision agriculture nowadays. This is the case of esca, a complex grapevine trunk disease, that represents a major threat to modern viticulture as it is responsible for large economic losses annually. The lack of effective control strategies and the complexity of esca disease expression make essential the identification of affected plants, before symptoms become evident, for a better management of the vineyard. This study evaluated the suitability of a near-infrared hyperspectral imaging (HSI) system to detect esca disease in asymptomatic grapevine leaves of Tempranillo red-berried cultivar. For this, 72 leaves from an experimental vineyard, naturally infected with esca, were collected and scanned with a lab-scale HSI system in the 900-1700 nm spectral range. Then, effective image processing and multivariate analysis techniques were merged to develop pixel-based classification models for the distinction of healthy, asymptomatic and symptomatic leaves. Automatic and interval partial least squares variable selection methods were tested to identify the most relevant wavelengths for the detection of esca-affected vines using partial least squares discriminant analysis and different pre-processing techniques. Three-class and two-class classifiers were carried out to differentiate healthy, asymptomatic and symptomatic leaf pixels, and healthy from asymptomatic pixels, respectively. Both variable selection methods performed similarly, achieving good classification rates in the range of 82.77-97.17% in validation datasets for either three-class or two-class classifiers. The latter results demonstrated the capability of hyperspectral imaging to distinguish two groups of seemingly identical leaves (healthy and asymptomatic). These findings would ease the annual monitoring of disease incidence in the vineyard and, therefore, better crop management and decision making.
Open Access
Potential of NIRS technology for the determination of cannabinoid content in industrial hemp (Cannabis sativa L.)
(MDPI, 2022) Jarén Ceballos, Carmen; Zambrana, P.; Pérez Roncal, Claudia; López Maestresalas, Ainara; Ábrego Arlegui, Andrés; Arazuri Garín, Silvia; Institute on Innovation and Sustainable Development in Food Chain - ISFOOD
Industrial hemp (Cannabis sativa L.) is a plant native to Asia, and is considered to be a primary source of food, textile fiber, and medicines. It is characterized by containing minimal concentrations of delta-9 tetrahydrocannabidol (THC), which is the main psychoactive chemical component, and cannabidiol (CBD), a non-psychoactive substance. In most European countries, the maximum concentration legally allowed for cultivation is 0.2% of THC, and it is currently under debate whether to increase this level to 0.3%. Moreover, in many countries its production is being regularized and legalized, increasing the need for a rapid analysis method. The present work evaluated the cannabinoid content in hemp (Cannabis sativa L.) using near infrared spectroscopy (NIRS) technology in combination with chemometric techniques. For this, several samples of the Kompolti variety were analyzed. Samples were dried and ground, and the content of total THC (%) and total CBD (%) was determined by high performance liquid chromatography (HPLC) with a diode array detector as reference measurements, and then the spectra were collected by NIRS. Principal component analysis and partial least square regression models were developed. Good coefficients of determination of cross-validation of 0.77 for THC and CBD, and a ratio of prediction to deviation >2 for total THC and CBD, were achieved. The results obtained show that NIRS technology has potential for the quantitative determination of cannabinoids. Therefore, this analytical method would allow a simpler, more robust, precise, and sustainable estimation than the current HPLC approach.
Open Access
Identificación de síntomas previsuales de salinidad mediante imágenes hiperespectrales infrarrojas en vid
(Sociedad Española de Ciencias Hortícolas, 2022) Arazuri Garín, Silvia; Pérez Roncal, Claudia; Jarén Ceballos, Carmen; Santesteban García, Gonzaga; Marín Ederra, Diana; Miranda Jiménez, Carlos; López Maestresalas, Ainara; Agronomía, Biotecnología y Alimentación; Agronomia, Bioteknologia eta Elikadura; Ingeniería; Ingeniaritza; Institute for Multidisciplinary Research in Applied Biology - IMAB; Institute on Innovation and Sustainable Development in Food Chain - ISFOOD
Los niveles altos de salinidad que se pueden producir en un viñedo, asociados generalmente al uso de aguas de baja calidad genera un tipo de estrés abiótico que limita la producción de la uva y afecta a la calidad de los vinos. Teniendo en cuenta la importancia de la monitorización de los cultivos en la toma de decisiones para una buena gestión del viñedo, se plantea como objetivo de este trabajo la identificación previsual de síntomas de estrés abiótico en viña por medio de la tecnología de imágenes hiperespectrales en el infrarrojo cercano (HSI-NIR). Para llevar a cabo este objetivo, se realizó un ensayo en maceta en la Finca de Prácticas de la Escuela Técnica Superior de Ingeniería Agronómica y Biociencias de la UPNA. El ensayo se realizó con plantas de un año de la variedad Monastrell sobre dos portainjertos 110R y 1103P. Se establecieron dos tratamientos: control (regado con agua de riego no salina) y salinidad (agua de riego con una concentración de sal común de 1,6 g/l). Entre finales de agosto y principios de septiembre se realizaron tres muestreos de hojas, analizando un total de 600 hojas (100 hojas/tratamiento y día). Las imágenes se tomaron con una cámara hiperespectral Xeva 1.7-320-100Hz, con rango espectral 900-1700nm. Una vez procesadas las imágenes se realizó una clasificación mediante un análisis discriminante por mínimos cuadrados parciales (PLS-DA) obteniéndose un porcentaje de muestras correctamente clasificadas en su grupo de origen (control o salinidad) del 82 % el primer día de muestreo, y del 87 % a partir del segundo día. A partir de estos datos podemos concluir que es posible identificar, mediante la tecnología HSI-NIR, síntomas en plantas sometidas a un tratamiento de riego con agua salina antes de que aparezcan síntomas en las hojas.
Open Access
Detection of minced lamb and beef fraud using NIR spectroscopy
(Elsevier, 2019) López Maestresalas, Ainara; Insausti Barrenetxea, Kizkitza; Jarén Ceballos, Carmen; Pérez Roncal, Claudia; Urrutia Vera, Olaia; Beriain Apesteguía, María José; Arazuri Garín, Silvia; Ingeniaritza; Agronomia, Bioteknologia eta Elikadura; Institute on Innovation and Sustainable Development in Food Chain - ISFOOD; Ingeniería; Agronomía, Biotecnología y Alimentación; Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa
The aim of this work was to investigate the feasibility of near-infrared spectroscopy (NIRS), combined with chemometric techniques, to detect fraud in minced lamb and beef mixed with other types of meats. For this, 40 samples of pure lamb and 30 samples of pure beef along with 160 samples of mixed lamb and 156 samples of mixed beef at different levels: 1-2-5-10% (w/w) were prepared and analyzed. Spectral data were pre-processed using different techniques and explored by a Principal Component Analysis (PCA) to find out differences among pure and mixed samples. Moreover, a PLS-DA was carried out for each type of meat mixture. Classification results between 78.95 and 100% were achieved for the validation sets. Better rates of classification were obtained for samples mixed with pork meat, meat of Lidia breed cattle and foal meat than for samples mixed with chicken in both lamb and beef. Additionally, the obtained results showed that this technology could be used for detection of minced beef fraud with meat of Lidia breed cattle and foal in a percentage equal or higher than 2 and 1%, respectively. Therefore, this study shows the potential of NIRS combined with PLS-DA to detect fraud in minced lamb and beef.
Open Access
Tecnología de imágenes hiperespectrales en el infrarrojo cercano para la detección de enfermedades fúngicas en vid
(2023) Pérez Roncal, Claudia; Arazuri Garín, Silvia; López Maestresalas, Ainara; Ingeniería; Ingeniaritza
La vid (Vitis vinifera L.) es una de las especies vegetales de mayor interés agrícola en el mundo y España es el país con mayor superficie dedicada a este cultivo. En este contexto, debido al cambio climático se están observando alteraciones en el desarrollo de las viñas y en los ciclos de vida de los principales agentes bióticos que se desarrollan en estas. El número de patógenos que afecta a la vid es muy amplio y es de suma importancia tomar las medidas sanitarias lo antes posible. Las nuevas tecnologías basadas en sensores ópticos abren la posibilidad de realizar monitoreos que permitan, de forma previsual, determinar los síntomas de estos patógenos. La tecnología de imágenes hiperespectrales (HSI) en el infrarrojo cercano (NIR) se presenta como una de las técnicas más prometedoras para la detección de enfermedades en plantas, ya que es capaz de detectar y cuantificar las enfermedades y permite conocer las interacciones planta -patógeno. Por ello, el objetivo de esta tesis es evaluar la utilidad de la tecnología HSI-NIR para la detección de dos enfermedades fúngicas en vid: el Oídio (Erysiphe necator) y el complejo de la Yes ca. Los ensayos se realizaron en viñedos en producción situados en Navarra, en los que de forma natural se observaban síntomas de las enfermedades evaluadas. En el caso del Oídio, se analizaron racimos de la variedad Mazuelo, con síntomas y sin síntomas visibles de la enfermedad. En el caso del complejo de la Yesca, los ensayos se llevaron a cabo en un viñedo experimental de la variedad Tempranillo, en el que se había realizado un monitoreo sistemático del impacto de la enfermedad en los últimos años. Se an alizaron hojas de cepas que históricamente no habían presentado síntomas de infección, y hojas asintomáticas y sintomáticas de cepas afectadas por Yesca. Todas las imágenes hiperespectrales se adquirieron con un sistema HSI de escaneado lineal en el rango 900–1700 nm con una resolución espectral de 3 nm (256 bandas). El procesado y análisis de los datos se realizó con el software MATLAB R2018b. Los resultados obtenidos a partir de los modelos discriminantes por mínimos cuadrados parciales (PLS-DA) desarrollados permitieron clasificar correctamente más del 80% de las muestras en el ensayo de Oídio, y entre el 88% y el 97% en el ensayo de la Yesca. La aplicación de estos modelos permitió mapear las zonas afectadas por ambas enfermedades identificando así el comportamiento y grado de afección de la enfermedad en los racimos y en las hojas analizadas. Además, la aplicación de técnicas de selección de variables facilitó la identificación de las zonas del espectro de reflectancia de interés para la detección de Yesca en hojas asintomáticas. A modo de conclusión, se pudo observar que estos sistemas HSI combinados con técnicas eficaces de procesamiento de imagen y quimiométricas, permitieron detectar tanto Oídio como Yesca, lo que es una gran ventaja a la hora de moni torizar las viñas, identificar de forma temprana la presencia de enfermedades fúngicas y , por lo tanto, mejorar la toma de decisiones y el manejo del viñedo.
Open Access
Imágenes hiperespectrales para el estudio de la respuesta a los estreses abióticos (deficiencia de riego y abonado) de distintos cultivares de patata
(Ediciones de Horticultura, 2021) López Maestresalas, Ainara; Jarén Ceballos, Carmen; Pérez Roncal, Claudia; Ruiz de Galarreta, José Ignacio; Álvarez, Alba; Barandalla, Leire; Arazuri Garín, Silvia; Ingeniería; Ingeniaritza
El objetivo de este trabajo fue evaluar el potencial de las imágenes hiperespectrales para clasificar tubérculos sometidos a estreses abióticos controlados.
Open Access
Estimación del umbral de daños internos en patata mediante tecnología NIRS
(2015) Pérez Roncal, Claudia; Arazuri Garín, Silvia; López Maestresalas, Ainara; Escuela Técnica Superior de Ingenieros Agrónomos; Nekazaritza Ingeniarien Goi Mailako Eskola Teknikoa; Proyectos e Ingeniería Rural; Landa Ingeniaritza eta Proiektuak
Este estudio se realizó con el objetivo de establecer, por un lado, un umbral de daños en patata mediante la evaluación de una línea real de clasificación y envasado, y, por otro, de identificar los daños internos originados en los tubérculos utilizando un sistema no destructivo, rápido y fiable de análisis en el infrarrojo cercano (NIR). En primer lugar, se identificaron y describieron un total de 30 puntos en la línea de manipulación estudiada susceptibles de provocar daños mecánicos en los tubérculos, que más tarde se evaluaron utilizando los frutos electrónicos IRD (de Techmark Inc.) y Smart Spud (de PEI Innovations Inc.) con el fin de caracterizar los impactos producidos en cada uno de ellos. Los datos registrados por ambos frutos sirvieron para identificar los puntos críticos de la línea de manera objetiva, estableciéndose un total de 9 puntos críticos. Tras identificar dichos puntos, se procedió a la recogida de muestras en los mismos (90 tubérculos de la variedad Baraka) para determinar el porcentaje de daños reales producidos en los tubérculos a su paso por la línea, lo que sirvió para establecer el umbral de daños correlacionando los datos registrados por los frutos electrónicos con la aparición real del daño. El siguiente paso consistió en reproducir en laboratorio y bajo condiciones controladas los impactos y compresiones a los que son sometidos los tubérculos en la línea. Los ensayos de impacto (6 y 9 cm de altura de caída) y compresión (2 y 3 mm) se llevaron a cabo utilizando un impactador vertical (de caída libre) y un texturómetro TA-XT2 (de Stable Micro Systems), respectivamente, y empleando los mismos 100 tubérculos de la variedad Kennebec en ambos ensayos. Una vez aplicada la carga mecánica, se analizaron las muestras (sin pelar) con un espectrofotómetro AOFT-NIR Luminar 5030 (de Brimrose) para obtener los espectros de reflectancia de las mismas, estableciéndose dos grupos: el control (tubérculos antes de aplicar la carga mecánica) y el grupo dañado (tubérculos transcurridas 1, 5, 9 y 24 horas de la aplicación de la carga). Por último, se realizó un análisis discriminante por mínimos cuadrados parciales (PLS-DA) con los datos espectrales de estos dos grupos, aplicando los pretratamientos espectrales SNV y MC de manera simultánea. La precisión global del modelo se determinó por el porcentaje de muestras clasificadas correctamente, y por la sensibilidad y especificidad de cada clase. Los resultados indicaron que combinando la espectrometría NIR con el método multivariante PLS-DA, considerando los datos espectrales de impacto a 6 y 9 cm de altura de caída, es posible diferenciar de forma clara los tubérculos dañados de los sanos con unos porcentajes de clasificación en la validación del modelo superiores al 85%. Sin embargo, los modelos desarrollados para diferenciar los daños que aparecen en los tubérculos transcurridas 1, 5, 9 y 24 horas desde la aplicación de los impactos, indicaron que, para este caso concreto, no se consigue una clara diferenciación de los daños en función de la hora de estudio. Los resultados obtenidos en este estudio plantea la posibilidad de introducir estas técnicas en las líneas de clasificación y envasado de patata, con el fin de identificar y gestionar de forma adecuada los tubérculos dañados antes de su venta, reduciendo así las pérdidas económicas asociadas a estos daños.
Open Access
Hyperspectral imaging to assess the presence of powdery mildew (Erysiphe necator) in cv. Carignan Noir grapevine bunches
(MDPI, 2020) Pérez Roncal, Claudia; López Maestresalas, Ainara; López Molina, Carlos; Jarén Ceballos, Carmen; Urrestarazu Vidart, Jorge; Santesteban García, Gonzaga; Arazuri Garín, Silvia; Ingeniería; Estadística, Informática y Matemáticas; Agronomía, Biotecnología y Alimentación; Ingeniaritza; Estatistika, Informatika eta Matematika; Agronomia, Bioteknologia eta Elikadura; Gobierno de Navarra / Nafarroako Gobernua, Proyecto DECIVID (Res.104E/2017); Universidad Pública de Navarra / Nafarroako Unibertsitate Publikoa, FPI-UPNA-2017 (Res.654/2017)
Powdery mildew is a worldwide major fungal disease for grapevine, which adversely affects both crop yield and produce quality. Disease identification is based on visible signs of a pathogen once the plant has already been infected; therefore, techniques that allow objective diagnosis of the disease are currently needed. In this study, the potential of hyperspectral imaging (HSI) technology to assess the presence of powdery mildew in grapevine bunches was evaluated. Thirty Carignan Noir grape bunches, 15 healthy and 15 infected, were analyzed using a lab-scale HSI system (900–1700 nm spectral range). Image processing was performed to extract spectral and spatial image features and then, classification models by means of Partial Least Squares Discriminant Analysis (PLS-DA) were carried out for healthy and infected pixels distinction within grape bunches. The best discrimination was achieved for the PLS-DA model with smoothing (SM), Standard Normal Variate (SNV) and mean centering (MC) pre-processing combination, reaching an accuracy of 85.33% in the cross-validation model and a satisfactory classification and spatial location of either healthy or infected pixels in the external validation. The obtained results suggested that HSI technology combined with chemometrics could be used for the detection of powdery mildew in black grapevine bunches.