Воздушните снимки се вредна компонента на прецизното земјоделство, обезбедувајќи им на земјоделците важни информации за здравјето и приносот на културите. Сликите обично се добиваат со скапа мултиспектрална камера прикачена на дрон. Но, една нова студија од Универзитетот во Илиноис и Државниот универзитет во Мисисипи (MSU) покажува дека сликите од стандардната црвено-зелено-сина (RGB) камера во комбинација со длабоко учење со вештачка интелигенција може да обезбедат еквивалентни алатки за предвидување на културите за дел од цената.
Мултиспектралните камери обезбедуваат мапи во боја кои ја претставуваат вегетацијата за да им помогнат на земјоделците да го следат здравјето на растенијата и да ги забележат проблематичните области. Индексите на вегетацијата како што се индексот на вегетација на нормализирана разлика (NDVI) и индексот на црвени рабови на нормализирани разлики (NDRE) ги прикажуваат здравите области како зелени, додека проблематичните области се прикажани како црвени.
„Вообичаено, за да го направите ова ќе треба да имате блиска инфрацрвена камера (NIR) која чини околу 5,000 долари. Но, покажавме дека можеме да тренираме вештачка интелигенција да генерира слики слични на NDVI користејќи RGB камера прикачена на евтин дрон, а тоа значително ги намалува трошоците“, вели Гириш Чудари, вонреден професор на Катедрата за земјоделско и биолошко инженерство на U од I и коавтор на трудот.
За оваа студија, истражувачкиот тим собра воздушни снимки од полиња со пченка, соја и памук во различни фази на раст со мултиспектрална и RGB камера. Тие користеа Pix2Pix, a невронска мрежа дизајнирани за конверзија на слики, за преведување на RGB слики во NDVI и NDRE карти во боја со црвено и зелени површини. По првата обука на мрежата со голем број мултиспектрални и редовни слики, тие ја тестираа нејзината способност да генерира NDVI/NDRE слики од друг сет на редовни слики.
„На фотографиите има рефлективен индекс на зеленило што укажува на ефикасност на фотосинтезата. Малку се рефлектира во зелениот канал, а многу во блискиот инфрацрвен канал. Но, создадовме мрежа која може да ја извлече од зелениот канал со тоа што ќе ја тренира на NIR каналот. Ова значи дека ни треба само зелениот канал, заедно со други контекстуални информации како црвени, сини и зелени пиксели“, објаснува Чаудари.
За да ја тестираат точноста на сликите генерирани со вештачка интелигенција, истражувачите побараа панел од специјалисти за култури да ги прегледаат сликите од истите области, или генерирани од вештачка интелигенција или направени со мултиспектрална камера. Специјалистите посочија дали можат да кажат која е вистинската мултиспектрална слика и дали забележале некакви разлики што би влијаеле на нивното одлучување.
Експертите не пронајдоа забележливи разлики помеѓу двете групи на слики и посочија дека ќе направат слични предвидувања од двете. Истражувачкиот тим исто така ја тестираше споредбата на сликите преку статистички процедури, потврдувајќи дека практично нема мерливи разлики меѓу нив.
Џоби Чарнецки, вонреден професор на MSU и коавтор на трудот, предупредува дека тоа не значи дека двете групи слики се идентични.
„Иако не можеме да го кажеме слики би ги дале истите информации под сите услови, за ова конкретно прашање дозволуваат слични одлуки. Блиска инфрацрвена рефлексија може да биде многу критична за некои одлуки на растенијата. Меѓутоа, во овој конкретен случај, возбудливо е што нашата студија покажува дека можете да замените скапа технологија со евтина вештачка интелигенција и сепак да ја донесете истата одлука“, објаснува таа.
Воздушниот поглед може да обезбеди информации што е тешко да се добијат од земјата. На пример, областите на оштетување од бура или недостаток на хранливи материи може да не се лесно видливи на ниво на очите, но лесно може да се забележат од воздухот. Земјоделците со соодветни овластувања може да изберат да летаат со свои дронови или може да договорат а приватна компанија да го стори тоа. Во секој случај, мапите во боја обезбедуваат важни информации за здравјето на културите потребни за одлуки за управување.
Софтверот и процедурите за вештачка интелигенција што се користат во студијата се достапни за компаниите кои сакаат да го имплементираат или да ја прошират употребата со обука на мрежата за дополнителни збирки податоци.
„Има многу потенцијал во вештачката интелигенција да помогне во намалувањето на трошоците, што е клучен двигател за многу апликации во земјоделството. Ако можете да направите дрон од 600 долари покорисен, тогаш секој може да му пристапи. И информациите ќе им помогнат на земјоделците да го подобрат приносот и да бидат подобри стјуарди на нивната земја“, заклучува Чудари.
Одделот за земјоделско и биолошко инженерство е на Колеџот за земјоделски, потрошувачки и еколошки науки и на Колеџот за инженерство Grainger на Универзитетот во Илиноис.
на хартија, „NDVI/NDRE предвидување од стандардниот RGB воздушни слики користејќи длабоко учење“, е објавено во Компјутери и електроника во земјоделството.