Жер серіктеріне дақылдарды «түсінуге» мүмкіндік беру: шағын үлгідегі гиперспектрлік кескін сегменттеу технологиясының құпияларын ашу

Қазіргі ауыл шаруашылығында қашықтықтан зондтау технологиясы жерді қабылдау және басқару тәсілімізді біртіндеп өзгертіп келеді. Гиперспектрлік қашықтықтан зондтау, әсіресе, спутниктерге жаңа өмір сыйлаумен бірдей.«Химиялық иіс сезу» Ол өсімдіктердегі нәзік айырмашылықтарды анықтай алады. Тек қызыл, жасыл және көк түстерді жаза алатын дәстүрлі камералармен салыстырғанда, гиперспектрлік камералар жүздеген үздіксіз спектрлік жолақтарды жазып, әртүрлі дақылдар, топырақтар және тіпті зиянкестер мен аурулар арасындағы айырмашылықтарды дәл «көре» алады.

Дегенмен, бұл технологияны ауыл шаруашылығында кеңінен қолдану әлі де үлкен қиындыққа тап болып отыр: таңбаланған үлгілердің жеткіліксіздігі. Мысалы, жүгері өсірілетін және ауруға шалдыққан жер учаскелерін анықтау үшін модельді оқыту көп уақытты қажет ететін және қымбатқа түсетін көптеген қолмен таңбаланған үлгілерді қажет етеді. Әсіресе шалғай ауылдық жерлерде немесе дамушы елдерде жеткілікті үлгілерді жинау мүмкін емес дерлік.

Бұл жаңа технологияның пайда болуына әкелді:Гиперспектрлік кескін сегментациясының шағын үлгісі Оның мақсаты - «аз шығынмен көп нәтижеге қол жеткізу» - өте аз мөлшерде белгіленген деректерді пайдаланып, дақыл түрлерін немесе зиянкестер мен аурулар аймақтарын автоматты түрде анықтай алатын модельді оқыту. Зерттеушілер кеңістіктік және спектрлік ақпаратты біріктіру арқылы 3D-CNN, GCN және Трансформер құрылымдары сияқты «мидың көру қабығына» ұқсас нейрондық желілерді жасады. Бұл модельге пикселдердің спектрлік ерекшеліктерін түсінуге, сондай-ақ аймақтардың пішіні мен құрылымын тануға мүмкіндік береді.

Сонымен қатар, ғалымдар модельге алдымен жалпыға қолжетімді қашықтықтан зондтау деректерінен «негізгі білімді үйренуге», содан кейін жылдам бейімделуге қол жеткізу үшін шағын ауылшаруашылық үлгілерін пайдаланып «дәлдеп реттеуге» мүмкіндік беретін «трансферттік оқыту» стратегиясын енгізді. Басқа зерттеушілер модельге деректерді айналдыру және бұзу арқылы «өз бетінше жаттығуға» мүмкіндік беретін «деректерді көбейту» әдістерін әзірледі.

Болашақта бұл технология фермерлерге дақылдардың денсаулығы туралы нақты уақыт режимінде ақпарат алуға, өнімділікті болжауға және ұялы телефондар немесе дрондар арқылы проблемалық аймақтарды анықтауға көмектеседі. Бұл ауыл шаруашылығын басқарудың ақылдылығы мен дәлдігін арттырады және азық-түлік қауіпсіздігін қамтамасыз етудің жаңа құралдарын ұсынады.