Uyduların Bitkileri "Anlamasını" Sağlamak: Küçük Örnekli Hiper Spektral Görüntü Bölümleme Teknolojisinin Sırlarını Ortaya Çıkarmak

Modern tarımda, uzaktan algılama teknolojisi, araziyi algılama ve yönetme biçimimizi kademeli olarak değiştiriyor. Özellikle hiperspektral uzaktan algılama, uydulara yeni bir hayat kazandırmak gibi."Kimyasal koku alma" Bitkilerdeki ince farklılıkları tespit edebiliyor. Sadece kırmızı, yeşil ve mavi renkleri kaydedebilen geleneksel kameralara kıyasla, hiperspektral kameralar yüzlerce sürekli spektral bandı kaydedebiliyor ve farklı ürünler, topraklar ve hatta zararlılar ve hastalıklar arasındaki farkları doğru bir şekilde "görebiliyor".

Ancak, bu teknolojinin tarımda yaygın olarak uygulanması hala büyük bir zorlukla karşı karşıya: yeterli sayıda etiketlenmiş örnek yok. Örneğin, hangi arazi parsellerinin mısır yetiştirdiğini ve hangilerinin hastalıktan etkilendiğini belirlemek için bir model eğitmek, çok sayıda elle etiketlenmiş örnek gerektirir; bu da hem zaman alıcı hem de pahalıdır. Özellikle uzak kırsal alanlarda veya gelişmekte olan ülkelerde yeterli örnek toplamak neredeyse imkansızdır.

Bu durum yeni bir teknolojinin ortaya çıkmasına yol açtı:Küçük örnek hiperspektral görüntü segmentasyonu Amacı, "daha azıyla daha fazlasını başarmak"tır; yani çok az miktarda etiketlenmiş veri kullanarak otomatik olarak ürün türlerini veya zararlı ve hastalık alanlarını tanımlayabilen bir model eğitmek. Araştırmacılar, uzamsal ve spektral bilgileri birleştirerek, 3D-CNN, GCN ve Transformer yapıları gibi "beynin görsel korteksine" benzer sinir ağları tasarladılar. Bu, modelin piksellerin spektral özelliklerini anlamasının yanı sıra bölgelerin şeklini ve dokusunu da tanımasını sağlar.

Ek olarak, bilim insanları, modelin önce kamuya açık uzaktan algılama verilerinden "temel bilgileri öğrenmesini" ve ardından hızlı adaptasyon sağlamak için küçük tarımsal örnekler kullanarak "ince ayar" yapmasını sağlayan bir "transfer öğrenme" stratejisi geliştirdiler. Diğer araştırmacılar ise, verileri döndürerek ve bozarak modelin "kendi başına pratik yapmasını" sağlayan "veri artırma" yöntemleri tasarladılar.

Gelecekte bu teknoloji, çiftçilerin cep telefonları veya dronlar aracılığıyla mahsul sağlığı hakkında neredeyse gerçek zamanlı bilgi edinmelerine, verimi tahmin etmelerine ve sorunlu alanları belirlemelerine yardımcı olacaktır. Tarımsal yönetimin zekasını ve hassasiyetini artıracak ve gıda güvenliğini sağlamak için yeni araçlar sunacaktır.