Integrating Feature Selection and Machine Learning for Nitrogen Assessment in Grapevine Leaves using In-Field Hyperspectral Imaging

Titel

Integratie van Feature Selection en Machine Learning voor Stikstofbeoordeling in Druivenbladeren met behulp van Hyperspectrale Beeldvorming in het Veld.

1. Probleemstelling

Stikstof (N) is een cruciale nutriënt voor de wijnstok, die invloed heeft op de vitaliteit van de plant, de samenstelling van het fruit en uiteindelijk de wijnkwaliteit.

• Huidige beperkingen: Traditionele methoden voor het bepalen van stikstofniveaus (chemische analyse van geoogste bladeren) zijn arbeidsintensief, tijdrovend en bieden geen ruimtelijke resolutie om variabiliteit binnen een wijngaard te detecteren. Er is een tijdsvertraging tussen bemonstering en resultaat, wat real-time besluitvorming verhindert.
• Technische uitdaging: Hyperspectrale beeldvorming (HSI) biedt rijke data, maar de hoge dimensionaliteit (honderden smalle golflengtebanden) leidt tot redundantie, hoge rekenkosten en het risico op overfitting (het "Hughes-effect"), vooral bij beperkte trainingsdata.
• Doel: Ontwikkelen van een robuuste, niet-destructieve methode om stikstofniveaus in druivenbladeren te schatten op zowel blad- als kroonniveau, met gebruikmaking van geavanceerde feature selection en machine learning (ML).

2. Methodologie

Dataverzameling:

• Locaties & Variëteiten: Data is verzameld in 2022 en 2023 in wijngaarden in Oregon en Washington (VS). Vier variëteiten werden gebruikt: Chardonnay (wit), Pinot Noir, Syrah en Concord (rood).
• Fases: Data is genomen tijdens twee groeifases: bloei (bloom) en verkleuring (veraison).
• Schaal: Metingen zijn gedaan op twee niveaus:
  • Bladniveau: Individuele bladeren (274 spectrale banden, 400–1000 nm).
  • Kroonniveau: Geaggregeerde metingen van 20–40 bladeren per plant om het totale N-niveau van de kroon te vertegenwoordigen.
• Ground Truth: Stikstofconcentratie (%) is bepaald via chemische analyse van gedroogd bladweefsel.

Data Pre-processing:

• Radiometrische kalibratie (conversie van digitale waarden naar reflectie).
• Segmentatie van bladeren (handmatig op bladniveau, automatisch via vegetatie-indexen zoals NDVI, NDRE, ExG en SAM op kroonniveau).
• Verwijdering van ruis en uitschieters (MAD-methode) en toepassing van SNV-transformatie en Savitzky-Golay filters.

Feature Selection Framework (De kern van de studie):
Een ensemble-methode werd ontwikkeld om de meest informatieve golflengtebanden te selecteren:

1. Hiërarchische Clustering: Vermindering van multicollineariteit door correlatie-gebaseerde clustering van banden. Per cluster werd één representatieve band geselecteerd op basis van een "Consensus Score" (gecombineerd uit correlatie met N, wederzijdse informatie en centraliteit).
2. Ensemble Feature Selection: Acht verschillende ML-algoritmen (o.a. Random Frog, SelectKBest, Lasso, Ridge, Elastic Net, Random Forest, Gradient Boosting) werden gebruikt om banden te rangschikken.
3. Stabiliteitsanalyse: De stabiliteit van de geselecteerde banden werd getest via bootstrap-iteraties.
4. Sequential Feature Optimization (PLSR): Een Partial Least Squares Regression (PLSR) model werd gebruikt om het optimale aantal banden te bepalen dat de beste voorspellende nauwkeurigheid oplevert zonder overfitting.

Machine Learning Modellen:
Na selectie van de optimale banden werden vier ML-modellen getraind en geëvalueerd:

• Elastic Net (EN)
• Support Vector Regression met RBF-kern (SVR-RBF)
• XGBoost
• Gaussian Process Regression (GPR)

Transferability Test:
Er werd getest of de op bladniveau geselecteerde banden (voor Chardonnay en Pinot Noir) ook effectief waren voor het voorspellen van stikstof op kroonniveau voor dezelfde en verwante variëteiten.

3. Belangrijkste Resultaten

Feature Selection & Banden:

• Witte variëteiten (Chardonnay): Toonden een gebalanceerde bijdrage van het zichtbare spectrum, de rode rand (red-edge) en het nabij-infrarood (NIR).
• Rode variëteiten (Pinot Noir, Syrah, Concord): Leunden zwaarder op zichtbare banden (400–700 nm) vanwege de interactie tussen anthocyanen en chlorofyl.
• Reductie: Het ensemble-systeem reduceerde de 274 banden effectief tot een compacte set (bijv. 13 banden voor Chardonnay blad, 5 voor Concord kroon) zonder verlies van nauwkeurigheid.

Voorspellende Prestaties:

• Bladniveau: De modellen presteerden het beste.
  • Chardonnay: $R^2 = 0,82$, RMSE = 0,19% DW (met SVR-RBF).
  • Pinot Noir: $R^2 = 0,69$, RMSE = 0,20% DW (met GPR).
• Kroonniveau: Ook hier werden goede resultaten behaald, hoewel iets lager dan op bladniveau door variatie in belichting en bladoriëntatie.
  • Chardonnay: $R^2 = 0,65$, RMSE = 0,17% DW.
  • Concord: $R^2 = 0,72$, RMSE = 0,12% DW.
  • Syrah: $R^2 = 0,70$, RMSE = 0,16% DW.
• Vergelijking: Modellen met de geselecteerde banden presteerden gelijk aan of beter dan modellen die het volledige spectrum gebruikten, wat aantoont dat redundantie en ruis succesvol zijn verwijderd.

Transferability (Overdraagbaarheid):

• De op bladniveau geselecteerde banden voor Chardonnay en Pinot Noir konden succesvol worden overgebracht naar het kroonniveau.
• Bij Chardonnay leidde het gebruik van blad-niveau banden op kroonniveau zelfs tot een licht betere voorspelling ($R^2 = 0,67$ vs $0,65$).
• Dit bevestigt dat de geselecteerde spectraalbanden robuust zijn en niet afhankelijk zijn van de meet-schaal of specifieke variëteitsartefacten.

4. Bijdragen en Significantie

Technische Innovatie:

• De studie introduceert een uniek ensemble feature selection framework dat hiërarchische clustering combineert met multiple ML-rangschikkingen en stabiliteitsanalyse. Dit lost het probleem van hoge dimensionaliteit en overfitting op bij hyperspectrale data.
• Het demonstreert succesvolle cross-scale transferability: banden die op bladniveau worden geïdentificeerd, zijn ook bruikbaar voor het schatten van stikstof op het niveau van de hele plantenkroon.

Praktische Toepassing:

• Efficiëntie: De methode biedt een snelle, niet-destructieve manier om stikstofniveaus te monitoren, wat de behoefte aan laborieuze chemische analyses vermindert.
• Sensorontwikkeling: De identificatie van een compacte set van informatieve banden (in plaats van het volledige spectrum) biedt waardevolle inzichten voor de ontwikkeling van aangepaste multispectrale sensoren. Deze sensoren kunnen goedkoper en sneller zijn dan volledige hyperspectrale camera's, terwijl ze toch de cruciale fysiologische signalen vastleggen.
• Precision Agriculture: De resultaten ondersteunen de implementatie van variabele bemesting (variable-rate application), waarbij elke wijnstok de optimale hoeveelheid stikstof ontvangt, wat zowel de kwaliteit van de wijn als de milieueffecten (minder uitspoeling van nitraat) ten goede komt.

Conclusie:
De studie bewijst dat hyperspectrale beeldvorming in het veld, gecombineerd met geavanceerde feature selection en machine learning, een krachtige tool is voor het nauwkeurig en robuust monitoren van stikstof in wijngaarden, ongeacht de variëteit, het groeistadium of de meet-schaal.