Memungkinkan Satelit untuk "Memahami" Tanaman: Mengungkap Rahasia Teknologi Segmentasi Citra Hiperspektral Sampel Kecil

Dalam pertanian modern, teknologi penginderaan jauh secara bertahap mengubah cara kita memahami dan mengelola lahan. Penginderaan jauh hiperspektral, khususnya, seperti memberikan kehidupan baru bagi satelit."Penciuman kimiawi" Kamera ini dapat mengidentifikasi perbedaan halus pada tanaman. Dibandingkan dengan kamera tradisional yang hanya dapat merekam warna merah, hijau, dan biru, kamera hiperspektral dapat merekam ratusan pita spektral kontinu, secara akurat "melihat" perbedaan antara berbagai tanaman, tanah, dan bahkan hama serta penyakit.

Namun, penerapan teknologi ini secara luas di bidang pertanian masih menghadapi tantangan utama: kurangnya sampel berlabel. Misalnya, melatih model untuk mengidentifikasi petak lahan mana yang menanam jagung dan mana yang terkena penyakit membutuhkan sejumlah besar sampel berlabel manual, yang memakan waktu dan biaya. Terutama di daerah pedesaan terpencil atau negara berkembang, pengumpulan sampel yang cukup hampir tidak mungkin dilakukan.

Hal ini telah memunculkan teknologi baru:Segmentasi citra hiperspektral sampel kecil Tujuannya adalah untuk "mencapai lebih banyak dengan lebih sedikit"—melatih model yang dapat secara otomatis mengidentifikasi jenis tanaman atau area hama dan penyakit hanya dengan menggunakan sejumlah kecil data berlabel. Para peneliti telah merancang jaringan saraf yang mirip dengan "korteks visual otak," seperti struktur 3D-CNN, GCN, dan Transformer, dengan menggabungkan informasi spasial dan spektral. Hal ini memungkinkan model untuk memahami fitur spektral piksel serta mengenali bentuk dan tekstur wilayah.

Selain itu, para ilmuwan telah memperkenalkan strategi "pembelajaran transfer", yang memungkinkan model untuk terlebih dahulu "mempelajari pengetahuan dasar" dari data penginderaan jauh yang tersedia untuk umum, dan kemudian "menyempurnakannya" menggunakan sampel pertanian kecil untuk mencapai adaptasi yang cepat. Peneliti lain telah merancang metode "augmentasi data", yang memungkinkan model untuk "berlatih sendiri" dengan memutar dan mengganggu data.

Di masa depan, teknologi ini akan membantu petani memperoleh informasi hampir secara real-time tentang kesehatan tanaman, memprediksi hasil panen, dan mengidentifikasi area bermasalah melalui telepon seluler atau drone. Teknologi ini akan meningkatkan kecerdasan dan ketepatan pengelolaan pertanian serta menyediakan alat baru untuk menjamin ketahanan pangan.