ఏరియల్ ఇమేజరీ అనేది ఖచ్చితమైన వ్యవసాయంలో విలువైన భాగం, రైతులకు పంట ఆరోగ్యం మరియు దిగుబడి గురించి ముఖ్యమైన సమాచారాన్ని అందిస్తుంది. చిత్రాలు సాధారణంగా డ్రోన్కు జోడించబడిన ఖరీదైన మల్టీస్పెక్ట్రల్ కెమెరాతో పొందబడతాయి. యూనివర్శిటీ ఆఫ్ ఇల్లినాయిస్ మరియు మిస్సిస్సిప్పి స్టేట్ యూనివర్శిటీ (MSU) నుండి వచ్చిన ఒక కొత్త అధ్యయనం ప్రకారం, AI లోతైన అభ్యాసంతో కలిపి ప్రామాణిక రెడ్-గ్రీన్-బ్లూ (RGB) కెమెరా నుండి చిత్రాలు ఖర్చులో కొంత భాగానికి సమానమైన పంట అంచనా సాధనాలను అందించగలవు.
మల్టీస్పెక్ట్రల్ కెమెరాలు మొక్కల ఆరోగ్యాన్ని పర్యవేక్షించడానికి మరియు సమస్యాత్మక ప్రాంతాలను గుర్తించడంలో రైతులకు సహాయపడటానికి వృక్షసంపదను సూచించే రంగు మ్యాప్లను అందిస్తాయి. నార్మలైజ్డ్ డిఫరెన్స్ వెజిటేషన్ ఇండెక్స్ (NDVI) మరియు నార్మలైజ్డ్ డిఫరెన్స్ రెడ్ ఎడ్జ్ ఇండెక్స్ (NDRE) వంటి వృక్షసంపద సూచికలు ఆరోగ్యకరమైన ప్రాంతాలను ఆకుపచ్చగా ప్రదర్శిస్తాయి, అయితే సమస్యాత్మక ప్రాంతాలు ఎరుపు రంగులో కనిపిస్తాయి.
“సాధారణంగా, దీన్ని చేయడానికి మీరు దాదాపు $5,000 ఖరీదు చేసే ఇన్ఫ్రారెడ్ కెమెరా (NIR)ని కలిగి ఉండాలి. అయితే తక్కువ ధర డ్రోన్కు జోడించిన RGB కెమెరాను ఉపయోగించి NDVI లాంటి చిత్రాలను రూపొందించడానికి AIకి శిక్షణ ఇవ్వగలమని మేము చూపించాము మరియు ఇది ఖర్చును గణనీయంగా తగ్గిస్తుంది" అని వ్యవసాయ మరియు బయోలాజికల్ ఇంజనీరింగ్ విభాగంలో అసోసియేట్ ప్రొఫెసర్ గిరీష్ చౌదరి చెప్పారు. U ఆఫ్ I మరియు కాగితంపై సహ రచయిత.
ఈ అధ్యయనం కోసం, పరిశోధనా బృందం మొక్కజొన్న, సోయాబీన్ మరియు పత్తి పొలాల నుండి వివిధ వృద్ధి దశలలో మల్టీస్పెక్ట్రల్ మరియు RGB కెమెరాతో వైమానిక చిత్రాలను సేకరించింది. వారు Pix2Pix, a నాడీ నెట్వర్క్ చిత్రం మార్పిడి కోసం రూపొందించబడింది, RGB చిత్రాలను NDVI మరియు NDRE రంగు మ్యాప్లలోకి అనువదించడానికి ఎరుపు మరియు పచ్చని ప్రాంతాలు. పెద్ద సంఖ్యలో మల్టీస్పెక్ట్రల్ మరియు రెగ్యులర్ చిత్రాలతో నెట్వర్క్కు మొదట శిక్షణ ఇచ్చిన తర్వాత, వారు మరొక సాధారణ చిత్రాల సెట్ నుండి NDVI/NDRE చిత్రాలను రూపొందించే సామర్థ్యాన్ని పరీక్షించారు.
“ఫోటోలలో కిరణజన్య సంయోగక్రియ సామర్థ్యాన్ని సూచించే రిఫ్లెక్టివ్ గ్రీన్నెస్ ఇండెక్స్ ఉంది. ఇది గ్రీన్ ఛానల్లో కొద్దిగా మరియు ఇన్ఫ్రారెడ్ ఛానెల్లో చాలా ప్రతిబింబిస్తుంది. కానీ మేము దానిని NIR ఛానెల్లో శిక్షణ ఇవ్వడం ద్వారా గ్రీన్ ఛానెల్ నుండి వెలికితీసే నెట్వర్క్ను సృష్టించాము. దీని అర్థం ఎరుపు, నీలం మరియు ఆకుపచ్చ పిక్సెల్ల వంటి ఇతర సందర్భోచిత సమాచారంతో పాటు మనకు ఆకుపచ్చ ఛానెల్ మాత్రమే అవసరం, ”అని చౌదరి వివరించారు.
AI- రూపొందించిన చిత్రాల ఖచ్చితత్వాన్ని పరీక్షించడానికి, AI ద్వారా రూపొందించబడిన లేదా మల్టీస్పెక్ట్రల్ కెమెరాతో తీసిన అదే ప్రాంతాల యొక్క ప్రక్క ప్రక్క చిత్రాలను వీక్షించమని పరిశోధకులు క్రాప్ నిపుణుల ప్యానెల్ను కోరారు. స్పెషలిస్ట్లు ఏది నిజమైన మల్టీస్పెక్ట్రల్ ఇమేజ్ అని చెప్పగలరా మరియు వారి నిర్ణయం తీసుకోవడాన్ని ప్రభావితం చేసే ఏవైనా తేడాలను వారు గమనించారా అని సూచించారు.
నిపుణులు రెండు చిత్రాల సెట్ల మధ్య గమనించదగ్గ తేడాలు ఏవీ కనుగొనలేదు మరియు వారు రెండింటి నుండి ఒకే విధమైన అంచనాలను చేస్తారని వారు సూచించారు. పరిశోధనా బృందం గణాంక విధానాల ద్వారా చిత్రాల పోలికను కూడా పరీక్షించింది, వాటి మధ్య వాస్తవంగా కొలవదగిన తేడాలు లేవని నిర్ధారిస్తుంది.
MSUలో అసోసియేట్ రీసెర్చ్ ప్రొఫెసర్ మరియు పేపర్పై సహ రచయిత అయిన జోబీ జార్నెక్కీ, దీని అర్థం రెండు సెట్ల చిత్రాలు ఒకేలా ఉండవని హెచ్చరిస్తున్నారు.
"మేము చెప్పలేము అయితే చిత్రాలు అన్ని షరతులలో ఒకే సమాచారాన్ని అందిస్తుంది, ఈ నిర్దిష్ట సమస్య కోసం, వారు ఇలాంటి నిర్ణయాలకు అనుమతిస్తారు. కొన్ని మొక్కల నిర్ణయాలకు సమీప-పరారుణ ప్రతిబింబం చాలా కీలకం. అయితే, ఈ ప్రత్యేక సందర్భంలో, మీరు ఖరీదైన సాంకేతిక పరిజ్ఞానాన్ని చవకైన కృత్రిమ మేధస్సుతో భర్తీ చేయవచ్చని మరియు ఇప్పటికీ అదే నిర్ణయానికి రావచ్చని మా అధ్యయనం చూపడం ఉత్తేజకరమైనది, ”ఆమె వివరిస్తుంది.
వైమానిక వీక్షణ భూమి నుండి పొందడం కష్టతరమైన సమాచారాన్ని అందిస్తుంది. ఉదాహరణకు, తుఫాను నష్టం లేదా పోషక లోపాల ప్రాంతాలు కంటి స్థాయిలో సులభంగా కనిపించకపోవచ్చు, కానీ గాలి నుండి సులభంగా గుర్తించబడతాయి. తగిన అధికారాలు కలిగిన రైతులు వారి స్వంత డ్రోన్లను ఎగురవేయడాన్ని ఎంచుకోవచ్చు లేదా వారు ఒప్పందం చేసుకోవచ్చు a ప్రైవేట్ కంపెనీ అలా చేయడానికి. ఎలాగైనా, రంగు మ్యాప్లు నిర్వహణ నిర్ణయాలకు అవసరమైన ముఖ్యమైన పంట ఆరోగ్య సమాచారాన్ని అందిస్తాయి.
అధ్యయనంలో ఉపయోగించిన AI సాఫ్ట్వేర్ మరియు విధానాలు దీన్ని అమలు చేయాలనుకునే లేదా అదనపు డేటాసెట్లపై నెట్వర్క్కు శిక్షణ ఇవ్వడం ద్వారా వినియోగాన్ని విస్తరించాలనుకునే కంపెనీలకు అందుబాటులో ఉన్నాయి.
“వ్యవసాయంలోని అనేక అనువర్తనాలకు కీలకమైన డ్రైవర్ అయిన ఖర్చులను తగ్గించడంలో సహాయపడటానికి AIలో చాలా సంభావ్యత ఉంది. మీరు $600 డ్రోన్ని మరింత ఉపయోగకరంగా చేయగలిగితే, ప్రతి ఒక్కరూ దానిని యాక్సెస్ చేయగలరు. మరియు సమాచారం రైతులకు దిగుబడిని మెరుగుపరచడానికి మరియు వారి భూమికి మంచి నిర్వాహకులుగా ఉండటానికి సహాయపడుతుంది, ”అని చౌదరి ముగించారు.
వ్యవసాయ మరియు జీవ ఇంజనీరింగ్ విభాగం ఇల్లినాయిస్ విశ్వవిద్యాలయంలోని వ్యవసాయ, వినియోగదారు మరియు పర్యావరణ శాస్త్రాల కళాశాల మరియు ది గ్రేంజర్ కాలేజ్ ఆఫ్ ఇంజనీరింగ్లో ఉంది.
మా కాగితం, “ప్రామాణిక RGB నుండి NDVI/NDRE అంచనా వైమానిక చిత్రాలు లోతైన అభ్యాసాన్ని ఉపయోగించడం” లో ప్రచురించబడింది వ్యవసాయంలో కంప్యూటర్లు మరియు ఎలక్ట్రానిక్స్.