国际新闻
搜索 分类
无人机测绘公司利用人工智能提供商业作物计数和杂草检测服务
2020-05-24 08:21

    鹰眼成像有限责任公司(eagle Eye Imaging LLC)在马里兰州的伍德拜恩(Woodbine)开业,其目标是使用无人机,为当地种植者提供更快、更实惠的解决方案,解决他们最常见的田间问题。总的目标是帮助种植者量化他们的未知因素,减少生产风险和增加产量。自2016年以来,该公司已经向马里兰州、宾夕法尼亚州和特拉华州的农民提供了来自无人机图像的报告。

“种植者没有时间成为遥感专家,”鹰眼成像公司总裁戴维·基维奥贾(David Kivioja)说。“我们的业务模式是捕捉图像,然后进行分析,这样我们就可以给他们一幅地图或一份报告,准确地显示出他们领域的问题所在。”

起初,该公司的农业制图工作主要集中在确定玉米和大豆田的作物压力。这种遥感数据的应用并不新鲜,已经在载人飞机甚至卫星图像上进行了几十年。现在的不同之处在于,无人机的运营成本显著降低,使得这一过程可以在更小的领域和季节的多个时间内实现。无人机技术支持按需成像,这是传统方法无法实现的。

鹰眼成像公司从娱乐和专业无人机系统的主要供应商大疆公司购买了智能农业套装。该软件包包括DJI Matrice 100四轴飞行器,精密鹰数据映射软件,和两个数字成像相机——一个捕捉可见光谱(红绿蓝)的数据,另一个是近红外的。这些相机没有变焦镜头,所以获得的图像的空间分辨率是由飞行高度控制的。

为了绘制玉米田作物压力的典型飞行图,该公司让Matrice 100在离地面250-300英尺的高度飞行,以1.5英寸的分辨率捕捉图像。根据这些图像,用DataMapper包生成归一化植被指数(NDVI)地图。在红色阴影中,NDVI将健康作物与受胁迫作物区分开来。在几分钟内,Kivioja就可以手动分析彩色地图,生成一份报告,为受力条件提供精确的经纬度坐标。

Kivioja说:“NDVI报告是农学家在快速发现田间问题时使用的预调查指南。”“由农学家进行的实地调查费用昂贵,而且传统上是步行进行的;知道在哪里寻找麻烦,可以为种植者节省大量成本。”

鹰眼成像的挑战来自于一个种植者要求该公司使用无人机技术来补充另一项传统的活动——对农作物进行计数。这项年度工作通常不需要农学家的技能,只需要一名农工在田里走一走,数一数玉米秆或豆芽的数量。在一小块特定的土地上进行计数,可以推断出整个作物的产量。

Kivioja说:“这可能是一个昂贵且耗时的过程,由于人类的计数错误和外推,会产生不准确的结果。”

他知道利用无人机图像可以进行作物计数,但这也是一个会导致错误的人工过程。作为2019年末的一项测试,Kivioja在无人机图像上直观地数出了单独的玉米秸秆。不出所料,这一程序十分繁琐,光是在一块大田的某一区域清点植物就需要数小时。仍需要外推结果。这种方法不会为种植者节省成本,因为它需要在图像分析实验室中花费很多时间。

用图像来计算玉米秆是可行的,但是Kivioja意识到他必须将工作流程自动化,以使其具有成本效益。


 
美国马里兰州的一家无人机绘图公司将人工智能技术应用到工作流程中,将计算玉米田图像中的植物数量和识别有毒杂草的时间从几小时缩短到几分钟。在将无人机辅助的作物计数和杂草检测方法调整为经济可行的自动化过程后,该公司将在2020年的生长季向客户提供高科技的地图解决方案。

利用人工智能

鹰眼成像公司的老板相信机器学习技术可能就是答案。在这个过程中,人工智能算法教会计算机识别数字图像中的特征或物体,比如玉米秸秆。这种方法比肉眼观察更精确,只需几分钟就能数清地里的每一株植物,消除了外推法的不准确性。

在搜索了互联网上的人工智能服务之后,Kivioja选择了一个由瑞士洛桑的Picterra公司开发的在线平台。它没有要求鹰眼成像公司购买新的软件和硬件,而是把机器学习算法和超级计算能力放在云上,由他来支配,并收取订阅费。另一个优势是,它允许地图绘制公司为玉米数量创建自己的自定义机器学习模型,并重复应用它,从而更好地控制成本。

“我们已经打破了获取人工智能和机器学习技术的障碍,这样大卫·基维奥贾(David Kivioja)等专家就可以运用垂直市场的知识和经验,建立他们自己的定制培训模式,”Picterra的联合创始人、首席技术官弗兰克·德·莫西尔(Frank de Morsier)说。

Kivioja解释说,创建训练模型很容易:“你只需要(在屏幕上的图像上)画一些多边形,围绕着玉米秸秆是什么和不是什么的例子。”

在样本组中加入不同大小的茎秆和叶片构型可以提高模型的准确性。为了让模型知道什么不是玉米秸秆,他在光秃秃的泥土、草地和灌溉渠周围画了一些多边形。使用Picterra算法开发训练模型只需要输入12-15个样本特征,这只是其他人工智能过程的一小部分。

Kivioja对几个因素进行了实验,发现最准确的玉米计数来自于无人机图像,其半英寸的空间分辨率是在玉米生长的V2阶段在150英尺的高空获得的。图像采集必须在相邻茎叶相互接触之前进行。模型一旦建立,就可以应用于多个玉米田,添加一到两个新的校准样本,以适应不同的植物品种或种植模式。

Kivioja说:“我们只花了两个小时就做出了第一个模型,然后花了几分钟(在一片玉米地的图像上)运行它。”“结果非常准确。”

鹰眼成像公司知道它可以为种植者提供一种成本效益高的新服务,但该公司相信同样的人工智能程序可以应用于更具挑战性的问题——杂草识别。

在玉米中发现杂草

在鹰眼成像的大西洋中部地区,一种名为shattercane的杂草给玉米种植者带来了严重的问题。这种杂草不仅会挤压玉米秆,而且如果在收获季节与喂养玉米混在一起,还会对牲畜造成危害。此外,如果收获,杂草种子可以转移到其他领域的收获设备。由于这个原因,大多数种植者在他们的联合收割机进入田间收割作物之前很久就试图根除它。

Kivioja说:“shattercane之所以难以根除,是因为它的基因变化如此之快,以至于它可以快速产生对特定除草剂的抗性。”“用除草剂对杂草进行现场处理可能有效,也可能无效。大多数种植者更喜欢把杂草除掉。”

Shattercane是一种叶子状的植物,类似于玉米,成熟后会长得很高。主要的区别是杂草有浆果,但没有穗轴。由于在收割时没有意识到它的存在,农民们会用他们的联合收割机直接碾过它。基维奥贾曾尝试用肉眼在无人机图像中检测杂草,但结果好坏参半。就像人工计数一样,这个过程耗费了大量的时间。

在Picterra平台上再次工作时,他修改了之前创建的玉米计数训练模型。这一次,这个模型被教导寻找碎甘蔗而不是玉米。该模型应用于半英寸分辨率的V2无人机图像。

“结果是惊人的,”基维奥贾说。Picterra AI模型在图像中以高度的准确性区分了甘蔗杂草和玉米秆。这可能需要几个小时,而且用肉眼看也不太准确。”

最重要的是,杂草图谱在生长季节足够早的时候就完成了,这样种植者就可以利用精确的位置信息,在有害植物危害其他玉米作物之前消灭它们。对于鹰眼成像来说,使用在线Picterra平台和重用其培训模型的低成本转化为经济上可行的服务,这对种植者来说是值得的。

这家位于马里兰州的无人机绘图公司将在本季度向玉米种植者推出人工智能辅助的作物计数和杂草检测服务。

相关资讯

更多无人机资讯