Agricultura de precisión RPA

Inteligencia artificial en cultivos: Analizamos el aprendizaje automático con datos multiespectrales

14/feb./2022 8:54

Los algoritmos de inteligencia artificial normalmente requieren datos de una cámara RGB independiente, pero con la mayor resolución espacial de RedEdge-P y Altum-PT, los datos recopilados tienen una resolución GSD lo suficientemente buena como para ejecutar algoritmos de aprendizaje automático directamente en ellos. Lo probamos en el huerto de calabazas este otoño.

Beneficios del uso de la inteligencia artificial en cultivos

Justin McAllister, CTO de MicaSense, mientras paseaba por una plantación de calabazas y maíz, entabló conversación con Nate Krause, director de operaciones de Swans Trail. Cuando se le preguntó a Nate sobre qué información le sería útil en su cultivo, este resolvió, que sería de utilidad conocer la cantidad y el tamaño de las calabazas cultivadas. El equipo Micasense se puso manos a la obra, equipados con una cámara RedEdge-P, con sensor multiespectral de cinco bandas y pancromático, acoplada a un dron DJI Matrice 300.

Sería de utilidad conocer el tamaño y la cantidad de calabazas plantadas. Nate Krause-Swans Trail

Contar calabazas en particular puede no ser relevante para muchos usuarios, pero los métodos de aprendizaje automáticos utilizados para obtener evaluaciones precisas de de las calabazas, se pueden usar en una amplia gama de aplicaciones de detección remota. Las capacidades de resolución espacial de los nuevos RedEdge-P y Altum-PT hacen que estos sensores sean más compatibles con los algoritmos AI/ML actuales. En el pasado, los algoritmos requerían datos de una cámara RGB separada, pero ahora, con RedEdge-P y Altum-PT, los datos tienen una resolución GSD lo suficientemente buena como para ejecutar algoritmos directamente,  prescindiendo de la cámara RGB.

Huerto de calabazas Swans Trail

Para crear la misión poligonal para volar 23 acres, utilizaron el planificador de misiones de control terrestre de Measure. Una vez que el dron, la cámara y la misión están configurados y listos, presionan el botón de lanzamiento y vuelan 60 m sobre el suelo, apuntando a un GSD de 2 cm/píxel en los datos panorámicos.

Con la misión del dron completa y los datos recopilados, llegó el momento de enviar los datos al ingeniero de MicaSense, Callum Scougal, para procesar los datos y calcular la cantidad y el tamaño de las calabazas.

Procesamiento de los datos obtenidos en campo

Campos de aplicación de la inteligencia artificial en cultivos

En este ejemplo particular, estamos interesados ​​en generar conteos precisos de calabazas y estimar el tamaño/área de las calabazas. Esto puede ayudarnos a predecir ganancias/pérdidas potenciales de cultivos, permitir comparaciones de tiempo entre años, determinar tasas de conteo a lo largo del tiempo y tasas de germinación.

Las técnicas utilizadas aquí son genéricas y fácilmente transferibles a otros cultivos. Por ejemplo, podemos realizar el mismo proceso de análisis en conteos de masas forestales para detectar maíz temprano u otras plantas pequeñas de interés. Podemos detectar características, realizar conteos o estadísticas basadas en la reflectividad de las características que detectamos, lo que a su vez nos permitirá monitorear y administrar de manera más efectiva las granjas, los bosques y nuestros recursos ambientales.

Noticia extraída del Blog Micasense