Snimci iz vazduha su vredna komponenta precizne poljoprivrede, pružajući poljoprivrednicima važne informacije o zdravlju useva i prinosu. Slike se obično dobijaju skupom multispektralnom kamerom pričvršćenom na dron. Ali nova studija sa Univerziteta Ilinois i Državnog univerziteta Misisipija (MSU) pokazuje da slike sa standardne crveno-zeleno-plave (RGB) kamere u kombinaciji sa AI dubokim učenjem mogu da obezbede ekvivalentne alate za predviđanje useva za delić cene.
Multispektralne kamere pružaju mape u boji koje predstavljaju vegetaciju kako bi pomogli farmerima da prate zdravlje biljaka i uoče problematična područja. Vegetacijski indeksi kao što su indeks normalizovane razlike vegetacije (NDVI) i indeks normalizovane razlike crvene ivice (NDRE) prikazuju zdrava područja zelenom, dok su problematična područja crvenom bojom.
„Obično, da biste to uradili, trebalo bi da imate blisku infracrvenu kameru (NIR) koja košta oko 5.000 dolara. Ali pokazali smo da možemo da obučimo veštačku inteligenciju da generiše slike slične NDVI koristeći RGB kameru priključenu na jeftin dron , a to značajno smanjuje troškove“, kaže Girish Chovdhari, vanredni profesor na Odseku za poljoprivredno i biološko inženjerstvo na U of I i koautor rada.
Za ovu studiju, istraživački tim je prikupio slike iz vazduha sa polja kukuruza, soje i pamuka u različitim fazama rasta i multispektralnom i RGB kamerom. Koristili su Pik2Pik, neuronsku mrežu dizajniranu za konverziju slika, da prevedu RGB slike u NDVI i NDRE mape boja sa crvenim i zelenim površinama. Nakon prve obuke mreže sa velikim brojem multispektralnih i regularnih slika, testirali su njenu sposobnost da generiše NDVI/NDRE slike iz drugog skupa regularnih slika.
„Na fotografijama postoji indeks reflektivnog zelenila koji ukazuje na fotosintetičku efikasnost. On se reflektuje malo u zelenom kanalu, a mnogo u bliskom infracrvenom kanalu. Ali napravili smo mrežu koja može da ga izvuče iz zelenog kanala tako što trenirajući ga na NIR kanalu. To znači da nam je potreban samo zeleni kanal, zajedno sa drugim kontekstualnim informacijama kao što su crveni, plavi i zeleni pikseli“, objašnjava Chovdhari.
Da bi testirali tačnost slika generisanih veštačkom inteligencijom, istraživači su zatražili od panela stručnjaka za useve da vide uporedne slike istih oblasti, bilo generisane AI ili snimljene multispektralnom kamerom. Specijalisti su ukazali da li mogu da kažu koja je prava multispektralna slika i da li su primetili bilo kakve razlike koje bi uticale na njihovo donošenje odluka.
Stručnjaci nisu pronašli uočljive razlike između dva skupa slika i nagovestili su da će napraviti slična predviđanja iz oba. Istraživački tim je takođe testirao poređenje slika kroz statističke procedure, potvrđujući da među njima praktično nema merljivih razlika.
Jobi Czarnecki, vanredni profesor istraživanja na MSU i koautor rada, upozorava da to ne znači da su dva skupa slika identična.
„Iako ne možemo reći da bi slike pružile iste informacije u svim uslovima, za ovo konkretno pitanje, one omogućavaju slične odluke. Refleksija bliskog infracrvenog zračenja može biti veoma kritična za neke odluke o postrojenjima. Međutim, u ovom konkretnom slučaju, to je uzbudljivo je da naša studija pokazuje da skupu tehnologiju možete zameniti jeftinom veštačkom inteligencijom i ipak doći do iste odluke“, objašnjava ona.
Pogled iz vazduha može pružiti informacije koje je teško dobiti sa zemlje. Na primer, područja oštećenja usled oluje ili nedostataka hranljivih materija možda neće biti lako vidljiva u visini očiju, ali se mogu lako uočiti iz vazduha. Poljoprivrednici sa odgovarajućim ovlašćenjima mogu da izaberu da upravljaju sopstvenim dronovima ili mogu ugovoriti privatnu kompaniju da to uradi. U svakom slučaju, mape boja pružaju važne informacije o zdravlju useva potrebne za donošenje odluka o upravljanju.
AI softver i procedure koje se koriste u studiji dostupni su kompanijama koje žele da ga implementiraju ili prošire upotrebu obučavanjem mreže na dodatnim skupovima podataka.
„Postoji mnogo potencijala u veštačkoj inteligenciji da pomogne u smanjenju troškova, što je ključni pokretač za mnoge primene u poljoprivredi. Ako možete da učinite dron od 600 dolara korisnijim, onda će svi moći da mu pristupe. A informacije bi pomogle poljoprivrednicima da poboljšaju prinose i budu bolji gospodari svoje zemlje“, zaključuje Čoudari.
