Снимци из ваздуха су вредна компонента прецизне пољопривреде, пружајући пољопривредницима важне информације о здрављу усева и приносу. Слике се обично добијају скупом мултиспектралном камером причвршћеном на дрон. Али нова студија са Универзитета Илиноис и Државног универзитета Мисисипија (МСУ) показује да слике са стандардне црвено-зелено-плаве (РГБ) камере у комбинацији са АИ дубоким учењем могу да обезбеде еквивалентне алате за предвиђање усева за делић цене.
Мултиспектралне камере пружају мапе у боји које представљају вегетацију како би помогли фармерима да прате здравље биљака и уоче проблематична подручја. Вегетацијски индекси као што су индекс нормализоване разлике вегетације (НДВИ) и индекс нормализоване разлике црвене ивице (НДРЕ) приказују здрава подручја зеленом бојом, док су проблематична подручја црвеном бојом.
„Обично, да бисте то урадили, требало би да имате блиску инфрацрвену камеру (НИР) која кошта око 5,000 долара. Али показали смо да можемо да обучимо вештачку интелигенцију да генерише слике сличне НДВИ користећи РГБ камеру прикључену на јефтин дрон, и то значајно смањује трошкове“, каже Гирисх Цховдхари, ванредни професор на Одсеку за пољопривредно и биолошко инжењерство на У од И и коаутор на раду.
За ову студију, истраживачки тим је прикупио слике из ваздуха са поља кукуруза, соје и памука у различитим фазама раста и мултиспектралном и РГБ камером. Користили су Пик2Пик, а неуронска мрежа дизајниран за конверзију слика, да преведе РГБ слике у НДВИ и НДРЕ мапе боја са црвеним и зелене површине. Након прве обуке мреже са великим бројем и мултиспектралних и регуларних слика, тестирали су њену способност да генерише НДВИ/НДРЕ слике из другог скупа регуларних слика.
„На фотографијама постоји индекс рефлективне зелености који указује на фотосинтетичку ефикасност. Мало се одражава у зеленом каналу, а много у блиском инфрацрвеном каналу. Али створили смо мрежу која може да је издвоји из зеленог канала обучавањем на НИР каналу. То значи да нам је потребан само зелени канал, заједно са другим контекстуалним информацијама као што су црвени, плави и зелени пиксели“, објашњава Цховдхари.
Да би тестирали тачност слика генерисаних вештачком интелигенцијом, истраживачи су затражили од панела стручњака за усеве да погледају упоредне слике истих области, било генерисане АИ или снимљене мултиспектралном камером. Специјалисти су указали да ли могу да кажу која је права мултиспектрална слика и да ли су приметили било какве разлике које би утицале на њихово доношење одлука.
Стручњаци нису пронашли уочљиве разлике између два скупа слика и наговестили су да ће направити слична предвиђања из оба. Истраживачки тим је такође тестирао поређење слика путем статистичких процедура, потврђујући да међу њима практично нема мерљивих разлика.
Јоби Цзарнецки, ванредни професор истраживања на МСУ и коаутор рада, упозорава да то не значи да су два скупа слика идентична.
„Док не можемо да кажемо слике дају исте информације под свим условима, за ово конкретно питање, дозвољавају сличне одлуке. Блиска инфрацрвена рефлексија може бити веома критична за неке одлуке о постројењима. Међутим, у овом конкретном случају, узбудљиво је што наша студија показује да можете заменити скупу технологију јефтином вештачком интелигенцијом и ипак доћи до исте одлуке“, објашњава она.
Поглед из ваздуха може пружити информације које је тешко добити са земље. На пример, подручја оштећења услед олује или недостатака хранљивих материја можда неће бити лако видљива у висини очију, али се могу лако уочити из ваздуха. Пољопривредници са одговарајућим овлашћењима могу изабрати да управљају сопственим дроновима, или могу уговорити а приватно предузеће урадити тако. У сваком случају, мапе боја пружају важне информације о здрављу усева потребне за доношење одлука о управљању.
АИ софтвер и процедуре које се користе у студији доступни су компанијама које желе да га имплементирају или прошире употребу обучавањем мреже на додатним скуповима података.
„У вештачкој интелигенцији постоји велики потенцијал да помогне у смањењу трошкова, што је кључни покретач за многе примене у пољопривреди. Ако можете да учините дрон од 600 долара кориснијим, онда му сви могу приступити. А информације би помогле фармерима да побољшају приносе и да буду бољи господари своје земље“, закључује Цховдхари.
Одељење за пољопривредно и биолошко инжењерство је на Колеџу за пољопривредне, потрошачке и науке о животној средини и Граингер Цоллеге оф Енгинееринг на Универзитету у Илиноису.
папир, „НДВИ/НДРЕ предвиђање из стандардног РГБ ваздушне слике користећи дубоко учење“, објављено је у Рачунари и електроника у пољопривреди.