航空图像是精准农业的重要组成部分，为农民提供有关作物健康和产量的重要信息。图像通常是通过无人机上的多光谱相机获得的。但伊利诺伊大学和密西西比州立大学(MSU)的一项新研究表明，标准红绿蓝(RGB)相机与人工智能深度学习相结合，可以提供相当的作物预测工具，成本只有一小部分。
多光谱相机提供代表植被的彩色地图，帮助农民监测植物健康状况并发现问题区域。植被指数，如归一化差异植被指数(NDVI)和归一化差异红边指数(NDRE)，将健康区域显示为绿色，而问题区域显示为红色。
“通常情况下，要做到这一点，你需要一个近红外摄像机(NIR)，价格约为5000美元。但我们已经证明，我们可以训练人工智能生成类似ndvi的图像，使用连接到低成本无人机上的RGB摄像机，这大大降低了成本，”伊利诺伊大学农业与生物工程系副教授吉里什·乔杜里说。
在这项研究中，研究小组用多光谱相机和RGB相机收集了玉米、大豆和棉花田不同生长阶段的航空图像。他们使用一种用于图像转换的神经网络Pix2Pix，将RGB图像转换为带有红色和绿色区域的NDVI和NDRE彩色地图。在首先用大量多光谱和常规图像训练网络后，他们测试了网络从另一组常规图像生成NDVI/NDRE图像的能力。
“照片中有一个反映光合效率的反射绿色指数。它在绿色通道反射一点，在近红外通道反射很多。但我们已经创建了一个网络，通过在近红外通道上训练，可以从绿色通道中提取它。这意味着我们只需要绿色通道，以及其他上下文信息，如红色、蓝色和绿色像素。”乔杜里解释道。
为了测试人工智能生成图像的准确性，研究人员要求一组作物专家并排查看同一地区的图像，这些图像要么是由人工智能生成的，要么是由多光谱相机拍摄的。专家们指出，他们是否能分辨出哪一张是真正的多光谱图像，以及他们是否注意到任何会影响他们决策的差异。
专家们在两组图像之间没有发现明显的差异，他们表示，他们会从两组图像中得出相似的预测。研究小组还通过统计程序测试了图像的比较，确认它们之间几乎没有可测量的差异。
密歇根州立大学副教授Joby Czarnecki警告说，这并不意味着两组图像完全相同。
“虽然我们不能说这些图像在所有情况下都能提供相同的信息，但对于这个特定的问题，它们可以做出类似的决定。近红外反射率对一些植物的决策是非常关键的。然而，在这种特殊情况下，令人兴奋的是，我们的研究表明，你可以用廉价的人工智能取代昂贵的技术，并且仍然做出相同的决定。”她解释道。
鸟瞰图可以提供从地面上难以获得的信息。例如，风暴破坏或营养缺乏的地区可能在视线高度上不容易看到，但从空中很容易发现。获得适当授权的农民可以选择驾驶自己的无人机，也可以与私人公司签约。不管怎样，彩色地图为管理决策提供了重要的作物健康信息。
研究中使用的人工智能软件和程序可供想要实施它或通过在其他数据集上训练网络来扩大使用的公司使用。
“人工智能在帮助降低成本方面有很大潜力，这是许多农业应用的关键驱动力。如果你能让一架600美元的无人机变得更有用，那么每个人都可以使用它。这些信息将帮助农民提高产量，更好地管理他们的土地。”乔杜里总结道。
