航空影像是精準農業的重要組成部分,可為農民提供有關作物健康和產量的重要信息。 圖像通常是通過連接到無人機的昂貴的多光譜相機獲得的。 但伊利諾伊大學和密西西比州立大學 (MSU) 的一項新研究表明,來自標準紅-綠-藍 (RGB) 相機的圖片與 AI 深度學習相結合,可以提供等效的作物預測工具,而成本僅為一小部分。
多光譜相機提供代表植被的彩色地圖,以幫助農民監測植物健康狀況並發現問題區域。 歸一化差異植被指數 (NDVI) 和歸一化差異紅邊指數 (NDRE) 等植被指數將健康區域顯示為綠色,而問題區域顯示為紅色。
“通常情況下,要做到這一點,您需要一台成本約為 5,000 美元的近紅外相機 (NIR)。 但我們已經證明,我們可以使用連接到低成本無人機的 RGB 相機訓練 AI 生成類似 NDVI 的圖像,這大大降低了成本。” U of I 和這篇論文的合著者。
在這項研究中,研究團隊使用多光譜和 RGB 相機從不同生長階段的玉米、大豆和棉花田中採集了航拍圖像。 他們使用 Pix2Pix,一個 神經網絡 專為圖像轉換而設計,將 RGB 圖像轉換為具有紅色和紅色的 NDVI 和 NDRE 顏色圖 綠地. 在首先使用大量多光譜和常規圖片訓練網絡後,他們測試了其從另一組常規圖像生成 NDVI/NDRE 圖片的能力。
“照片中有一個反射綠色指數,表明光合效率。 它在綠色通道反射一點點,在近紅外通道反射很多。 但是我們已經創建了一個網絡,可以通過在 NIR 通道上訓練它來從綠色通道中提取它。 這意味著我們只需要綠色通道,以及其他上下文信息,例如紅色、藍色和綠色像素,”Chowdhary 解釋道。
為了測試 AI 生成圖像的準確性,研究人員要求一組農作物專家查看同一區域的並排圖像,這些圖像由 AI 生成或使用多光譜相機拍攝。 專家指出他們是否能分辨出哪一張是真正的多光譜圖像,以及他們是否注意到任何會影響他們決策的差異。
專家們沒有發現兩組圖像之間存在明顯的差異,他們表示他們將從兩組圖像中做出類似的預測。 研究小組還通過統計程序測試了圖像的比較,確認它們之間幾乎沒有可測量的差異。
密歇根州立大學副研究教授、該論文的合著者 Joby Czarnecki 警告說,這並不意味著這兩組圖像是相同的。
“雖然我們不能說 圖片 會在所有條件下提供相同的信息,對於這個特定問題,他們允許做出類似的決定。 近紅外反射率對於某些工廠決策可能非常關鍵。 然而,在這種特殊情況下,令人興奮的是,我們的研究表明您可以用廉價的人工智能取代昂貴的技術,並且仍然可以做出相同的決定,”她解釋道。
鳥瞰圖可以提供難以從地面獲得的信息。 例如,風暴破壞或營養缺乏的區域在肉眼水平面上可能不容易看到,但可以從空中輕鬆發現。 獲得適當授權的農民可以選擇駕駛自己的無人機,或者他們可以與 私營公司 這樣做。 無論哪種方式,彩色地圖都提供了管理決策所需的重要作物健康信息。
研究中使用的 AI 軟件和程序可供希望實施它或通過在其他數據集上訓練網絡來擴展使用的公司使用。
“人工智能在幫助降低成本方面有很大的潛力,這是許多農業應用的關鍵驅動因素。 如果你能讓一架價值 600 美元的無人機更有用,那麼每個人都可以使用它。 這些信息將幫助農民提高產量,更好地管理他們的土地,”Chowdhary 總結道。
農業與生物工程系隸屬於伊利諾伊大學農業、消費者與環境科學學院和格蘭傑工程學院。
紙, “標準 RGB 的 NDVI/NDRE 預測 航空影像 使用深度學習,”發表於 農業中的計算機和電子產品.