鷹眼成像有限責(zé)任公司(eagle Eye Imaging LLC)在馬里蘭州的伍德拜恩(Woodbine)開業(yè)，其目標(biāo)是使用無(wú)人機(jī)，為當(dāng)?shù)胤N植者提供更快、更實(shí)惠的解決方案，解決他們最常見的田間問(wèn)題?？偟哪繕?biāo)是幫助種植者量化他們的未知因素，減少生產(chǎn)風(fēng)險(xiǎn)和增加產(chǎn)量。自2016年以來(lái)，該公司已經(jīng)向馬里蘭州、賓夕法尼亞州和特拉華州的農(nóng)民提供了來(lái)自無(wú)人機(jī)圖像的報(bào)告。
“種植者沒(méi)有時(shí)間成為遙感專家，”鷹眼成像公司總裁戴維·基維奧賈(David Kivioja)說(shuō)。“我們的業(yè)務(wù)模式是捕捉圖像，然后進(jìn)行分析，這樣我們就可以給他們一幅地圖或一份報(bào)告，準(zhǔn)確地顯示出他們領(lǐng)域的問(wèn)題所在。”
起初，該公司的農(nóng)業(yè)制圖工作主要集中在確定玉米和大豆田的作物壓力。這種遙感數(shù)據(jù)的應(yīng)用并不新鮮，已經(jīng)在載人飛機(jī)甚至衛(wèi)星圖像上進(jìn)行了幾十年?，F(xiàn)在的不同之處在于，無(wú)人機(jī)的運(yùn)營(yíng)成本顯著降低，使得這一過(guò)程可以在更小的領(lǐng)域和季節(jié)的多個(gè)時(shí)間內(nèi)實(shí)現(xiàn)。無(wú)人機(jī)技術(shù)支持按需成像，這是傳統(tǒng)方法無(wú)法實(shí)現(xiàn)的。
鷹眼成像公司從娛樂(lè)和專業(yè)無(wú)人機(jī)系統(tǒng)的主要供應(yīng)商大疆公司購(gòu)買了智能農(nóng)業(yè)套裝。該軟件包包括DJI Matrice 100四軸飛行器，精密鷹數(shù)據(jù)映射軟件，和兩個(gè)數(shù)字成像相機(jī)——一個(gè)捕捉可見光譜(紅綠藍(lán))的數(shù)據(jù)，另一個(gè)是近紅外的。這些相機(jī)沒(méi)有變焦鏡頭，所以獲得的圖像的空間分辨率是由飛行高度控制的。
為了繪制玉米田作物壓力的典型飛行圖，該公司讓Matrice 100在離地面250-300英尺的高度飛行，以1.5英寸的分辨率捕捉圖像。根據(jù)這些圖像，用DataMapper包生成歸一化植被指數(shù)(NDVI)地圖。在紅色陰影中，NDVI將健康作物與受脅迫作物區(qū)分開來(lái)。在幾分鐘內(nèi)，Kivioja就可以手動(dòng)分析彩色地圖，生成一份報(bào)告，為受力條件提供精確的經(jīng)緯度坐標(biāo)。
Kivioja說(shuō):“NDVI報(bào)告是農(nóng)學(xué)家在快速發(fā)現(xiàn)田間問(wèn)題時(shí)使用的預(yù)調(diào)查指南。”“由農(nóng)學(xué)家進(jìn)行的實(shí)地調(diào)查費(fèi)用昂貴，而且傳統(tǒng)上是步行進(jìn)行的;知道在哪里尋找麻煩，可以為種植者節(jié)省大量成本。”
鷹眼成像的挑戰(zhàn)來(lái)自于一個(gè)種植者要求該公司使用無(wú)人機(jī)技術(shù)來(lái)補(bǔ)充另一項(xiàng)傳統(tǒng)的活動(dòng)——對(duì)農(nóng)作物進(jìn)行計(jì)數(shù)。這項(xiàng)年度工作通常不需要農(nóng)學(xué)家的技能，只需要一名農(nóng)工在田里走一走，數(shù)一數(shù)玉米稈或豆芽的數(shù)量。在一小塊特定的土地上進(jìn)行計(jì)數(shù)，可以推斷出整個(gè)作物的產(chǎn)量。
Kivioja說(shuō):“這可能是一個(gè)昂貴且耗時(shí)的過(guò)程，由于人類的計(jì)數(shù)錯(cuò)誤和外推，會(huì)產(chǎn)生不準(zhǔn)確的結(jié)果。”
他知道利用無(wú)人機(jī)圖像可以進(jìn)行作物計(jì)數(shù)，但這也是一個(gè)會(huì)導(dǎo)致錯(cuò)誤的人工過(guò)程。作為2019年末的一項(xiàng)測(cè)試，Kivioja在無(wú)人機(jī)圖像上直觀地?cái)?shù)出了單獨(dú)的玉米秸稈。不出所料，這一程序十分繁瑣，光是在一塊大田的某一區(qū)域清點(diǎn)植物就需要數(shù)小時(shí)。仍需要外推結(jié)果。這種方法不會(huì)為種植者節(jié)省成本，因?yàn)樗枰趫D像分析實(shí)驗(yàn)室中花費(fèi)很多時(shí)間。
用圖像來(lái)計(jì)算玉米稈是可行的，但是Kivioja意識(shí)到他必須將工作流程自動(dòng)化，以使其具有成本效益。
利用人工智能
鷹眼成像公司的老板相信機(jī)器學(xué)習(xí)技術(shù)可能就是答案。在這個(gè)過(guò)程中，人工智能算法教會(huì)計(jì)算機(jī)識(shí)別數(shù)字圖像中的特征或物體，比如玉米秸稈。這種方法比肉眼觀察更精確，只需幾分鐘就能數(shù)清地里的每一株植物，消除了外推法的不準(zhǔn)確性。
在搜索了互聯(lián)網(wǎng)上的人工智能服務(wù)之后，Kivioja選擇了一個(gè)由瑞士洛桑的Picterra公司開發(fā)的在線平臺(tái)。它沒(méi)有要求鷹眼成像公司購(gòu)買新的軟件和硬件，而是把機(jī)器學(xué)習(xí)算法和超級(jí)計(jì)算能力放在云上，由他來(lái)支配，并收取訂閱費(fèi)。另一個(gè)優(yōu)勢(shì)是，它允許地圖繪制公司為玉米數(shù)量創(chuàng)建自己的自定義機(jī)器學(xué)習(xí)模型，并重復(fù)應(yīng)用它，從而更好地控制成本。
“我們已經(jīng)打破了獲取人工智能和機(jī)器學(xué)習(xí)技術(shù)的障礙，這樣大衛(wèi)·基維奧賈(David Kivioja)等專家就可以運(yùn)用垂直市場(chǎng)的知識(shí)和經(jīng)驗(yàn)，建立他們自己的定制培訓(xùn)模式，”Picterra的聯(lián)合創(chuàng)始人、首席技術(shù)官弗蘭克·德·莫西爾(Frank de Morsier)說(shuō)。
Kivioja解釋說(shuō)，創(chuàng)建訓(xùn)練模型很容易:“你只需要(在屏幕上的圖像上)畫一些多邊形，圍繞著玉米秸稈是什么和不是什么的例子。”
在樣本組中加入不同大小的莖稈和葉片構(gòu)型可以提高模型的準(zhǔn)確性。為了讓模型知道什么不是玉米秸稈，他在光禿禿的泥土、草地和灌溉渠周圍畫了一些多邊形。使用Picterra算法開發(fā)訓(xùn)練模型只需要輸入12-15個(gè)樣本特征，這只是其他人工智能過(guò)程的一小部分。
Kivioja對(duì)幾個(gè)因素進(jìn)行了實(shí)驗(yàn)，發(fā)現(xiàn)最準(zhǔn)確的玉米計(jì)數(shù)來(lái)自于無(wú)人機(jī)圖像，其半英寸的空間分辨率是在玉米生長(zhǎng)的V2階段在150英尺的高空獲得的。圖像采集必須在相鄰莖葉相互接觸之前進(jìn)行。模型一旦建立，就可以應(yīng)用于多個(gè)玉米田，添加一到兩個(gè)新的校準(zhǔn)樣本，以適應(yīng)不同的植物品種或種植模式。
Kivioja說(shuō):“我們只花了兩個(gè)小時(shí)就做出了第一個(gè)模型，然后花了幾分鐘(在一片玉米地的圖像上)運(yùn)行它。”“結(jié)果非常準(zhǔn)確。”
鷹眼成像公司知道它可以為種植者提供一種成本效益高的新服務(wù)，但該公司相信同樣的人工智能程序可以應(yīng)用于更具挑戰(zhàn)性的問(wèn)題——雜草識(shí)別。
在玉米中發(fā)現(xiàn)雜草
在鷹眼成像的大西洋中部地區(qū)，一種名為shattercane的雜草給玉米種植者帶來(lái)了嚴(yán)重的問(wèn)題。這種雜草不僅會(huì)擠壓玉米稈，而且如果在收獲季節(jié)與喂養(yǎng)玉米混在一起，還會(huì)對(duì)牲畜造成危害。此外，如果收獲，雜草種子可以轉(zhuǎn)移到其他領(lǐng)域的收獲設(shè)備。由于這個(gè)原因，大多數(shù)種植者在他們的聯(lián)合收割機(jī)進(jìn)入田間收割作物之前很久就試圖根除它。
Kivioja說(shuō):“shattercane之所以難以根除，是因?yàn)樗幕蜃兓绱酥欤灾劣谒梢钥焖佼a(chǎn)生對(duì)特定除草劑的抗性。”“用除草劑對(duì)雜草進(jìn)行現(xiàn)場(chǎng)處理可能有效，也可能無(wú)效。大多數(shù)種植者更喜歡把雜草除掉。”
Shattercane是一種葉子狀的植物，類似于玉米，成熟后會(huì)長(zhǎng)得很高。主要的區(qū)別是雜草有漿果，但沒(méi)有穗軸。由于在收割時(shí)沒(méi)有意識(shí)到它的存在，農(nóng)民們會(huì)用他們的聯(lián)合收割機(jī)直接碾過(guò)它。基維奧賈曾嘗試用肉眼在無(wú)人機(jī)圖像中檢測(cè)雜草，但結(jié)果好壞參半。就像人工計(jì)數(shù)一樣，這個(gè)過(guò)程耗費(fèi)了大量的時(shí)間。
在Picterra平臺(tái)上再次工作時(shí)，他修改了之前創(chuàng)建的玉米計(jì)數(shù)訓(xùn)練模型。這一次，這個(gè)模型被教導(dǎo)尋找碎甘蔗而不是玉米。該模型應(yīng)用于半英寸分辨率的V2無(wú)人機(jī)圖像。
“結(jié)果是驚人的，”基維奧賈說(shuō)。Picterra AI模型在圖像中以高度的準(zhǔn)確性區(qū)分了甘蔗雜草和玉米稈。這可能需要幾個(gè)小時(shí)，而且用肉眼看也不太準(zhǔn)確。”
最重要的是，雜草圖譜在生長(zhǎng)季節(jié)足夠早的時(shí)候就完成了，這樣種植者就可以利用精確的位置信息，在有害植物危害其他玉米作物之前消滅它們。對(duì)于鷹眼成像來(lái)說(shuō)，使用在線Picterra平臺(tái)和重用其培訓(xùn)模型的低成本轉(zhuǎn)化為經(jīng)濟(jì)上可行的服務(wù)，這對(duì)種植者來(lái)說(shuō)是值得的。
這家位于馬里蘭州的無(wú)人機(jī)繪圖公司將在本季度向玉米種植者推出人工智能輔助的作物計(jì)數(shù)和雜草檢測(cè)服務(wù)。
?