Дапамагаючы спадарожнікам "разумець" сельскагаспадарчыя культуры: раскрыццё сакрэтаў тэхналогіі сегментацыі гіперспектральных малюнкаў невялікіх выбарак

У сучаснай сельскай гаспадарцы тэхналогіі дыстанцыйнага зандзіравання паступова змяняюць тое, як мы ўспрымаем і кіруем зямлёй. Гіперспектральнае дыстанцыйнае зандзіраванне, у прыватнасці, падобна да таго, каб даць спадарожнікам новае жыццё."Хімічнае нюханне" Ён можа выяўляць тонкія адрозненні ў раслінах. У параўнанні з традыцыйнымі камерамі, якія могуць запісваць толькі чырвоны, зялёны і сіні колеры, гіперспектральныя камеры могуць запісваць сотні бесперапынных спектральных палос, дакладна «бачачы» адрозненні паміж рознымі культурамі, глебамі і нават шкоднікамі і хваробамі.

Аднак шырокае прымяненне гэтай тэхналогіі ў сельскай гаспадарцы ўсё яшчэ сутыкаецца з сур'ёзнай праблемай: недастатковай колькасцю маркіраваных узораў. Напрыклад, навучанне мадэлі вызначэнню таго, на якіх участках зямлі вырошчваецца кукуруза, а на якіх — хваробы, патрабуе вялікай колькасці ўручную маркіраваных узораў, што займае шмат часу і з'яўляецца дарагім. Асабліва ў аддаленых сельскіх раёнах або краінах, якія развіваюцца, сабраць дастатковую колькасць узораў практычна немагчыма.

Гэта прывяло да з'яўлення новай тэхналогіі:Сегментацыя гіперспектральнага малюнка невялікай выбаркі Яго мэта — «дасягнуць большага з меншымі выдаткамі» — навучыць мадэль, якая можа аўтаматычна вызначаць тыпы сельскагаспадарчых культур або зоны распаўсюджвання шкоднікаў і хвароб, выкарыстоўваючы толькі вельмі невялікую колькасць пазначаных дадзеных. Даследчыкі распрацавалі нейронныя сеткі, падобныя да «візуальнай кары мозгу», такія як 3D-CNN, GCN і структуры Transformer, шляхам аб'яднання прасторавай і спектральнай інфармацыі. Гэта дазваляе мадэлі разумець спектральныя асаблівасці пікселяў, а таксама распазнаваць форму і тэкстуру абласцей.

Акрамя таго, навукоўцы ўкаранілі стратэгію «пераносу навучання», якая дазваляе мадэлі спачатку «засвоіць базавыя веды» з агульнадаступных дадзеных дыстанцыйнага зандзіравання, а затым «ўдасканальваць» іх, выкарыстоўваючы невялікія сельскагаспадарчыя ўзоры, для дасягнення хуткай адаптацыі. Іншыя даследчыкі распрацавалі метады «дапаўнення дадзеных», якія дазваляюць мадэлі «практыкавацца самастойна», круцячы і змешваючы дадзеныя.

У будучыні гэтая тэхналогія дапаможа фермерам атрымліваць інфармацыю пра стан сельскагаспадарчых культур амаль у рэжыме рэальнага часу, прагназаваць ураджайнасць і вызначаць праблемныя зоны з дапамогай мабільных тэлефонаў або беспілотнікаў. Гэта павысіць інтэлект і дакладнасць кіравання сельскай гаспадаркай і забяспечыць новыя інструменты для забеспячэння харчовай бяспекі.