การทำให้ดาวเทียม "เข้าใจ" พืชผลทางการเกษตร: เปิดเผยความลับของเทคโนโลยีการแบ่งส่วนภาพไฮเปอร์สเปกตรัมจากตัวอย่างขนาดเล็ก

ในภาคเกษตรกรรมสมัยใหม่ เทคโนโลยีการสำรวจระยะไกลกำลังค่อยๆ เปลี่ยนวิธีการที่เรามองและจัดการที่ดิน โดยเฉพาะอย่างยิ่ง การสำรวจระยะไกลแบบไฮเปอร์สเปกตรัม เปรียบเสมือนการให้โอกาสใหม่แก่ดาวเทียม"การดมกลิ่นทางเคมี" กล้องไฮเปอร์สเปกตรัมสามารถระบุความแตกต่างเล็กน้อยในพืชได้ เมื่อเปรียบเทียบกับกล้องทั่วไปที่บันทึกได้เฉพาะสีแดง สีเขียว และสีน้ำเงิน กล้องไฮเปอร์สเปกตรัมสามารถบันทึกแถบสเปกตรัมต่อเนื่องได้หลายร้อยแถบ ทำให้ "มองเห็น" ความแตกต่างระหว่างพืชผล ดิน และแม้กระทั่งศัตรูพืชและโรคต่างๆ ได้อย่างแม่นยำ

อย่างไรก็ตาม การนำเทคโนโลยีนี้ไปใช้ในภาคเกษตรกรรมอย่างแพร่หลายยังคงเผชิญกับความท้าทายสำคัญ นั่นคือ การขาดแคลนตัวอย่างที่มีการติดฉลาก เช่น การฝึกโมเดลให้ระบุว่าแปลงใดปลูกข้าวโพดและแปลงใดได้รับผลกระทบจากโรค จำเป็นต้องใช้ตัวอย่างที่ติดฉลากด้วยมือจำนวนมาก ซึ่งทั้งเสียเวลาและมีค่าใช้จ่ายสูง โดยเฉพาะอย่างยิ่งในพื้นที่ชนบทห่างไกลหรือประเทศกำลังพัฒนา การเก็บตัวอย่างให้เพียงพอนั้นแทบจะเป็นไปไม่ได้เลย

สิ่งนี้ได้ก่อให้เกิดเทคโนโลยีใหม่:การแบ่งส่วนภาพไฮเปอร์สเปกตรัมตัวอย่างขนาดเล็ก เป้าหมายของโครงการนี้คือการ "ได้ผลลัพธ์มากขึ้นด้วยทรัพยากรที่น้อยลง" กล่าวคือ การฝึกฝนโมเดลที่สามารถระบุชนิดของพืชผล หรือพื้นที่ที่มีศัตรูพืชและโรคระบาดได้โดยอัตโนมัติ โดยใช้เพียงข้อมูลที่มีการติดป้ายกำกับจำนวนน้อยมาก นักวิจัยได้ออกแบบโครงข่ายประสาทเทียมที่คล้ายกับ "เปลือกสมองส่วนรับภาพ" เช่น โครงสร้าง 3D-CNN, GCN และ Transformer โดยการผสานข้อมูลเชิงพื้นที่และเชิงสเปกตรัมเข้าด้วยกัน ซึ่งช่วยให้โมเดลเข้าใจคุณลักษณะเชิงสเปกตรัมของพิกเซล รวมถึงจดจำรูปร่างและพื้นผิวของพื้นที่ได้

นอกจากนี้ นักวิทยาศาสตร์ยังได้นำกลยุทธ์ "การเรียนรู้แบบถ่ายโอน" มาใช้ ซึ่งช่วยให้แบบจำลองสามารถ "เรียนรู้ความรู้พื้นฐาน" จากข้อมูลการสำรวจระยะไกลที่เผยแพร่สู่สาธารณะก่อน จากนั้นจึง "ปรับแต่ง" โดยใช้ตัวอย่างทางการเกษตรขนาดเล็กเพื่อให้เกิดการปรับตัวอย่างรวดเร็ว นักวิจัยคนอื่นๆ ได้ออกแบบวิธีการ "เพิ่มข้อมูล" ซึ่งช่วยให้แบบจำลองสามารถ "ฝึกฝนด้วยตนเอง" โดยการหมุนและรบกวนข้อมูล

ในอนาคต เทคโนโลยีนี้จะช่วยให้เกษตรกรได้รับข้อมูลเกี่ยวกับสุขภาพของพืชผลแบบเรียลไทม์ คาดการณ์ผลผลิต และระบุพื้นที่ที่มีปัญหาผ่านทางโทรศัพท์มือถือหรือโดรน จะช่วยเพิ่มประสิทธิภาพและความแม่นยำในการจัดการทางการเกษตร และเป็นเครื่องมือใหม่ในการสร้างความมั่นคงทางอาหาร