使用标准RGB相机和AI获取植被数据

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。图像通常是通过连接到无人机的昂贵多光谱相机获得的。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，来自标准红绿蓝(RGB)相机的图片与AI深度学习相结合，可以提供等效的作物预测工具，而成本只是其中的一小部分。

多光谱相机提供表示植被的彩色地图，以帮助农民监测植物健康状况并发现问题区域。植被指数(如归一化差值植被指数 (NDVI) 和归一化差值红边指数 (NDRE))将健康区域显示为绿色，而问题区域显示为红色。

“通常，要做到这一点，你需要有一个近红外相机(NIR)，成本约为5美元。但我们已经证明，我们可以训练人工智能使用连接到低成本无人机的RGB相机生成类似NDVI的图像，这大大降低了成本，“农业和生物工程系副教授Girish Chowdhary说。

在这项研究中，研究小组使用多光谱和RGB相机从玉米，大豆和棉花田的不同生长阶段收集了航拍图像。他们使用Pix2Pix(一种专为图像转换而设计的神经网络)将RGB图像转换为带有红色和绿色区域的NDVI和NDRE彩色图。在首先用大量多光谱和常规图片训练网络后，他们测试了它从另一组常规图像生成NDVI / NDRE图像的能力。

“照片中有一个反射绿色指数，表明光合效率。它在绿色通道中反射了一点，在近红外通道中反射了很多。但是我们已经创建了一个网络，可以通过在NIR通道上训练它来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，“Chowdhary解释说。

为了测试人工智能生成的图像的准确性，研究人员要求一组作物专家并排查看相同区域的图像，这些图像要么由人工智能生成，要么用多光谱相机拍摄。专家们指出他们是否可以分辨出哪一个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。

专家们发现两组图像之间没有可观察到的差异，他们表示他们将从两组图像中做出类似的预测。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。

密歇根州立大学副研究教授、该论文的合著者Joby Czarnecki警告说，这并不意味着这两组图像是相同的。

“虽然我们不能说这些图像在所有条件下都能提供相同的信息，但对于这个特定问题，它们允许做出类似的决定。近红外反射率对于某些工厂决策可能非常关键。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，并且仍然可以做出同样的决定，“她解释道。

鸟瞰图可以提供难以从地面获得的信息。例如，风暴破坏或营养缺乏的区域在视线水平上可能不容易看到，但可以从空中轻松发现。拥有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。无论哪种方式，彩色图都提供了管理决策所需的重要作物健康信息。

该研究中使用的人工智能软件和程序可供希望实施它或通过在其他数据集上训练网络来扩大使用范围的公司使用。

“人工智能在帮助降低成本方面有很大的潜力，这是农业中许多应用的关键驱动力。如果你能让一架价值600美元的无人机更有用，那么每个人都可以访问它。这些信息将帮助农民提高产量并更好地管理他们的土地，“乔杜里总结道。

农业与生物工程系位于伊利诺伊大学农业、消费者和环境科学学院和格兰杰工程学院。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！