Rapid disease diagnostic of Nerium oleander L. leaves by visible and near infrared spectroscopies / Diagnostic rapide de maladie des feuilles de Nerium oleander L. par spectroscopies visible et proche infrarouge

Résumé En Fr

The potential applications of Nerium oleander L. leaves for the extraction of bioactive molecules of pharmaceutical interest call for the development of analytical techniques allowing controlling the quality and origin of these leaves. Chemometric models using visible and nearinfrared (NIR) spectra of N. oleander leaves were used to test the feasibility of quality control and more particularly to diagnose plant disease. Preliminary results from the principal component analysis (PCA) show that diseased and healthy leaves can be distinguished based on their visible or NIR spectra. Since PCA models are not predictive, a discriminant analysis by PLS-DA was developed. The prediction model was tested on samples not used for the calibration and was able to discriminate the diseased leaves based on the visible spectra with 100% of good classification and on their NIR spectra with 80% of good classification.

L’utilisation des feuilles de Nerium oleander L. pour l’extraction de molécules bioactives d’intérêt pharmaceutique impliquent le développement de techniques analytiques permettant de contrôler la qualité des feuilles et pour diagnostiquer des maladies. Des modèles chimiométriques utilisant des spectres visibles et proche infrarouge de feuilles de N. oleander ont été utilisés pour tester la faisabilité du contrôle de leur qualité. Les résultats fournis par l’analyse en composantes principales montrent que les feuilles malades et saines peuvent être distinguées en fonction de leur spectre visible ou proche infrarouge. Comme les modèles ACP ne sont pas prédictifs, un modèle d’analyse discriminante PLS-DA est mis en oeuvre. Le modèle de prédiction a été testé sur des échantillons non inclus dans la calibration, les feuilles malades ont pu être identifiées en fonction des spectres visibles avec 100 % de bonne classification et à partir de leurs spectres NIR avec 80 % de bonne classification.