محصولات کشاورزی، به ویژه خشکبار، به دلیل ارزش غذایی بالا نقش مهمی در امنیت غذایی جهان دارند. در این میان، پسته با ارزش اقتصادی زیاد و سازگاری بالا با شرایط خشک و نیمه خشک، از محصولات راهبردی به شمار می رود. از آن جا که پسته گیاهی دوپایه است، تعیین جنسیت تنها زمانی ممکن است که درخت وارد فاز زایشی شده و گل آذین خود را تشکیل دهد. علاوه بر این، روش های مرجع تشخیص جنسیت معمولا زمان بر، مخرب و پرهزینه هستند و امکان بررسی تعداد زیادی نمونه را به صورت همزمان نمی دهند. با توجه به این که جنس های نر و ماده مقاومت متفاوتی نسبت به بیماری ها و تنش های غیرزیستی دارند. بنابراین، تشخیص جنسیت می تواند در مدیریت بهینه باغ ها مؤثر باشد. در این پژوهش، توانایی روش تصویربرداری ابرطیفی (HSI) در تشخیص جنسیت درختان پسته مورد ارزیابی قرار گرفت. به این منظور، از 40 درخت پسته نر و ماده متعلق به چهار ژنوتیپ بادامی زرند تیپ یک، بادامی زرند تیپ دو، بادامی نوق و قزوینی واقع در مزرعه لورک، نمونه های برگ پیش از تشکیل گل آذین در اردیبهشت ماه سال 1404 جمع آوری شد. برای اطمینان از صحت جنسیت درخت ها، از دو روش آزمون رنگی و استخراج DNA استفاده شد. پس از تأیید جنسیت درخت ها، برگ های جدید از همان درخت ها تهیه و تصاویر نمونه ها در مد بازتابشی و با استفاده از سامانه HSI تهیه شدند. این سامانه شامل اجزای اصلی همچون شش منبع نور هالوژنی با توان 50 وات و قابلیت تنظیم شدت و دوربین ابرطیفی اسکن خطی مجهز به آشکارساز CCD است که توانایی ثبت تصاویر ابرطیفی در بازه طول موج 400 تا 1100 نانومتر را دارد. به منظور تحلیل تصاویر بدست آمده، پیش پردازش های لازم بر روی آن ها انجام شد. به منظور آماده سازی داده های طیفی، مجموعه ای از پیش پردازش ها شامل نرمال سازی، تصحیح پراکنش افزاینده (MSC)، توزیع نرمال استاندارد (SNV) و مشتق گیری اعمال شد تا اثرات نویز و نوسانات ناخواسته در طیف ها کاهش یافته و ویژگی های مؤثر طیفی بهتر نمایان شوند. در ادامه، دو رویکرد متفاوت تحلیل طیفی شامل تحلیل مبتنی بر طیف میانگین ناحیه ی نمونه و تحلیل پیکسل- مبناء بر اساس داده های طیفی هر پیکسل برای شناسایی و طبقه بندی نمونه های نر و ماده به کار گرفته شد. در روش تحلیل مبتنی بر طیف میانگین از روش های مدل سازی نرم و مستقل شباهت های بین کلاسی (SIMCA)، جنگل تصادفی (RF) و شبکه های عصبی مصنوعی (ANN) و در روش پیکسل-مبناء از روش ANN استفاده شد. در روش تحلیل مبتنی بر طیف میانگین، مدل های SIMCA، RF و ANN توانایی بالایی در تفکیک جنسیت درخت های پسته نشان دادند، به طوری که بهترین عملکرد در ژنوتیپ قزوینی با استفاده از مدل ANN و دقت 100 درصد به دست آمد، و دقت بین 27/87 تا 100 درصد قرار داشت. در روش تحلیل پیکسل-مبناء، نتایج حاصل از مدل ANN برای طبقه بندی تصویر-مبناء مورد بررسی قرار گرفت و دقت طبقه بندی برگ ها بین 27/77 تا 100 درصد بود که نشان دهنده توانایی مدل در تعمیم پذیری و شناسایی جنسیت برگ ها در مجموعه نمونه های بزرگ تر است. بطور کلی، نتایج نشان دادند که روش HSI به عنوان روشی غیرمخرب، دقت بالایی در شناسایی جنسیت درخت های پسته دارد و استفاده از مدل های RF و ANN در طبقه بندی طیفی، توانایی تفکیک جنسیت ارقام مختلف با دقت بالا را فراهم می کند و این روش می تواند به عنوان ابزاری عملی در مدیریت باغ های پسته مورد استفاده قرار گیرد.

کلمات کلیدی: پسته، تشخیص جنسیت، تصویربرداری ابرطیفی، مدل سازی نرم و مستقل شباهت های بین کلاسی، شبکه های عصبی مصنوعی، جنگل تصادفی