• Analisi multivariata
• Halyomorpha halys
• HSI
• NIR
• pest management

Negli ultimi decenni, l’incremento delle attività antropiche e i cambiamenti climatici hanno determinato una riduzione della biodiversità nei differenti habitat. Tra le principali cause della perdita di biodiversità vi è l’introduzione di specie aliene invasive, le quali possono generare anche danni economici in quanto possono compromettere la produzione agroalimentare. Una delle specie infestanti ad elevato potenziale invasivo nel mondo, soprattutto nel nord Italia, è cimice asiatica (Halyomorpha halys), agente di danno di numerose piante da frutto, ortive e ornamentali.
Il monitoraggio dello stato delle coltivazioni rappresenta un punto cruciale nella gestione sostenibile del sistema agroalimentare, poiché consente l’acquisizione di informazioni riguardanti la presenza di specie infestanti al fine di adottare azioni tempestive contenendo l’infestazione ed i conseguenti danni alle coltivazioni. Generalmente, il monitoraggio viene effettuato tramite ispezione diretta in campo da parte di personale specializzato, risultando dispendioso in termini economici e di tempo per gli agricoltori.
Per favorire un’identificazione più efficiente delle specie infestanti in campo, è possibile implementare sistemi di monitoraggio automatizzati basati sull’utilizzo di telecamere spettrali. Tali strumenti consentono un monitoraggio rapido, efficiente e in tempo reale.
A causa della sua colorazione scura, H. halys è difficilmente distinguibile da sfondi come rami o corteccia utilizzando telecamere che lavorano nella zona del visibile, incluse le telecamere RGB. Per superare il problema dovuto al mimetismo della cimice asiatica, nel presente lavoro di tesi è stata valutata la possibilità di utilizzare tecniche basate sull’imaging iperspettrale nel vicino infrarosso per il monitoraggio in campo di H. halys.
A tale scopo, sono state acquisite immagini iperspettrali nel vicino infrarosso (900-1700 nm) di campioni di cimice asiatica su diverse tipologie di sfondi vegetali, tra cui corteccia, erba, foglie gialle, foglie secche, foglie verdi, rami, terreno e uno sfondo misto dato dall’unione delle diverse matrici vegetali. Questi sfondi sono stati scelti al fine di simulare l’applicazione in campo.
Sulle immagini iperspettrali è stata effettuata una prima analisi esplorativa mediante Principal Component Analysis (PCA): tale passaggio ha consentito di identificare per ogni immagine i pixel relativi ad H. halys e ai diversi sfondi. A partire da questa selezione è stato creato un dataset di spettri di riferimento per H. halys e gli sfondi vegetali.
Successivamente, il dataset ottenuto è stato utilizzato per lo sviluppo di modelli di classificazione atti a discriminare la cimice asiatica dai diversi sfondi. Per la classificazione è stato utilizzato l’algoritmo Partial Least Squares Discriminant Analysis (PLS-DA) e la sua variante Soft PLS-DA, sviluppata dal gruppo di ricerca nel quale è stato svolto il presente lavoro. L’algoritmo Soft PLS-DA offre il vantaggio di limitare la presenza di falsi positivi in applicazioni pratiche, rendendo i modelli di classificazione più flessibili. Inoltre, Soft PLS-DA è stato accoppiato a metodi sparse di selezione delle variabili per identificare le variabili spettrali maggiormente informative per la classificazione.
La validazione dei modelli ottenuti è stata effettuata sia tramite l’applicazione dei modelli al test set esterno, sia tramite la visualizzazione delle immagini in predizione, ottenute applicando i modelli di classificazione alle immagini iperspettrali acquisite in fase sperimentale.
I risultati ottenuti da questo studio preliminare potranno essere il punto di partenza per la successiva implementazione di un sistema di imaging multispettrale basato sulle lunghezze d’onda selezionate a partire dai dati iperspettrali.

In the last decades, the increase of anthropogenic activities and climate changes caused ecosystems derangement and biodiversity reduction. A major cause of biodiversity reduction is the spread of alien insect pests, which may also determine economic damages as they can compromise agri-food production. One of the most worrisome pests of global importance, and in particular for Northern Italy, is Halyomorpha halys, which causes serious damages to fruit crops. Field monitoring of insect pests is fundamental in crop management to gain information about the presence of pests, in order to timely adopt proper actions to face the infestation and avoid economical losses due to crop damages. Monitoring of insect pests is usually time and money consuming for farmers, since it involves the direct field inspection by technicians. With the aim of improving crop field pest management, automated monitoring systems based on spectral cameras can be used as an innovative technology allowing fast, efficient, and real-time monitoring of insect infestations. The dark brown colour of H. halys makes this bug hardly detectable with RGB cameras or spectral cameras based on the visible range, since it can be easily confused with tree branches, bark or dry leaves. To overcome the problem of mimicry of H. halys, the present study aims at evaluating the possibility of using spectral cameras working in the near infrared (NIR) range to monitor the presence of H. halys in crop fields. Hyperspectral images were acquired in the 900-1700 nm spectral range, considering brown marmorated stink bugs on different background types, including green leaves, yellow leaves, dry leaves, grass, soil, bark, tree branches, and their mixtures. These background types were selected to mimic a real field application scene. A masking procedure was performed by applying Principal Component Analysis (PCA) to the acquired hyperspectral images, in order to effectively identify the pixel spectra of the bugs and those related to the different background types. In this manner, it was possible to build a dataset of reference spectra of brown marmorated stink bugs and of the different vegetal backgrounds. This dataset of spectra was used for classification purposes to discriminate H. halys from the different backgrounds and to identify few relevant wavelengths for the detection of the bugs on the vegetal background. To this aim, classification was performed using Partial Least Squares Discriminant Analysis (PLS-DA) algorithm and its variant Soft PLS-DA, implemented by the research group in which this thesis work was carried out. In addition, variable selection was also performed using sparse methods coupled with Soft PLS-DA. The classification models were validated using an external test set and considering also the prediction images obtained by applying the classification model at the pixel-level to the acquired hyperspectral images. Based on the selected wavelengths, it will be possible to implement cheaper and faster multispectral cameras to be used for the automated monitoring of the presence of H. halys in crop fields.