航拍图像是精准农业的一个重要组成部分,为农民提供农作物健康和产量的重要信息。获得的图像通常附带多光谱相机无人机。但来自伊利诺伊大学的一项新研究和密西西比州立大学(MSU)显示,图片从标准红绿蓝(RGB)相机结合AI深度学习可以提供相当于农作物预测工具成本的一小部分。
多光谱相机帮助农民提供彩色地图代表植被监测植物健康和发现问题。植被指数等正常化植被指数(NDVI)和正常化区别红色边缘指数(NDRE)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,你需要有一个相机近红外(NIR),成本约5000美元。但是我们已经表明我们可以训练人工智能生成NDVI-like使用RGB图像相机连接到一个低成本的无人驾驶飞机,这降低了成本显著”,Girish Chowdhary说,农业和生物工程系副教授在我的你。
在这项研究中,研究小组收集的航拍图像从玉米、大豆和棉花田在不同发展阶段与多光谱和RGB相机。他们使用Pix2Pix,神经网络用于图像转换,将RGB图像转化为归一化植被指数和NDRE颜色与红色和绿色领域的地图。第一次训练后的网络有大量多光谱和普通照片,他们测试的能力从另一组定期生成NDVI / NDRE照片图像。
“反射绿色指数的照片表明光合效率。它反映了一点绿色通道,和很多的近红外通道。但是我们已经创建了一个网络,可以提取从绿色通道通过训练在近红外光谱通道。这意味着我们只需要绿色通道,连同其他上下文信息,比如红色,蓝色和绿色像素”,Chowdhary解释道。
测试的准确性AI-generated图像,研究人员要求作物专家小组查看的图像相同的地区,由人工智能或用多光谱相机。专家表示,如果他们能告诉哪一个是真正的多光谱图像,以及他们是否发现任何差异,会影响他们的决策。
专家没有发现可见两组图像之间的差异,他们表示将从都做出类似的预测。该研究小组还测试了通过统计过程图像的比较,证实了它们之间有几乎没有可衡量的差异。
副密歇根州立大学研究教授Joby Czarnecki公司警告说,这并不意味着两组图片是相同的。
“虽然我们不能说这些图像将提供相同的信息在所有情况下,对于这个问题,他们允许类似的决定。近红外反射率可以为一些植物非常重要的决定。然而,在这种特殊情况下,它是令人兴奋的,我们的研究显示可以取代昂贵的技术与廉价的人工智能和仍然到达同样的决定”,她解释道。
鸟瞰图可以提供信息,很难获得从地面。例如,地区的风暴损坏或营养不足可能不容易看到在眼睛水平,但从空气中很容易被发现。农民用适当的授权可以选择自己的无人机飞行,或者他们可能合同一个私人公司。无论哪种方式,颜色映射提供重要的作物健康管理决策所需的信息。
研究中使用的人工智能软件和程序可用于企业想要实现它或扩大使用通过培训网络附加的数据集。
“有很多的人工智能,帮助降低成本的潜力,这是许多应用程序在农业的关键驱动因素。如果你能使一个600美元的无人机更有用,那么每个人都可以访问它。和信息将帮助农民提高产量和更好的管理他们的土地”,Chowdhary总结道。
