航拍图像是精准农业的重要组成部分，可为农民提供有关作物健康和产量的重要信息。图像通常是通过连接到无人机的昂贵的多光谱相机获得的。但伊利诺伊大学和密西西比州立大学(MSU)的一项新研究表明，来自标准红-绿-蓝(RGB)相机的图片与AI深度学习相结合，可以提供等效的作物预测工具，而成本仅为一小部分。
多光谱相机提供代表植被的彩色地图，以帮助农民监测植物健康状况并发现问题区域。归一化差异植被指数(NDVI)和归一化差异红边指数(NDRE)等植被指数将健康区域显示为绿色，而问题区域显示为红色。
“通常情况下，要做到这一点，你需要一台成本约为5,000美元的近红外相机(NIR)。但我们已经证明，我们可以使用连接到低成本无人机的RGB相机训练人工智能生成类似NDVI的图像，这大大降低了成本，”伊利诺伊大学农业与生物工程系副教授、该论文的合著者GirishChowdhary说。
在这项研究中，研究团队使用多光谱和RGB相机从不同生长阶段的玉米、大豆和棉花田中采集了航拍图像。他们使用专为图像转换设计的神经网络Pix2Pix，将RGB图像转换为具有红色和绿色区域的NDVI和NDRE颜色图。在首先使用大量多光谱和常规图片训练网络后，他们测试了其从另一组常规图像生成NDVI/NDRE图片的能力。
“照片中有一个反射绿色指数，表示光合效率。它在绿色通道中反射一点，在近红外通道中反射很多。但我们已经创建了一个网络，可以通过以下方式从绿色通道中提取它在NIR通道上训练它。这意味着我们只需要绿色通道，以及其他背景信息，例如红色、蓝色和绿色像素，”Chowdhary解释道。
为了测试AI生成图像的准确性，研究人员要求一组农作物专家查看同一区域的并排图像，这些图像由AI生成或使用多光谱相机拍摄。专家们表示他们是否能分辨出哪一张是真正的多光谱图像，以及他们是否注意到任何会影响他们决策的差异。
专家们没有发现两组图像之间存在明显的差异，他们表示他们将从两组图像中做出类似的预测。研究小组还通过统计程序测试了图像的比较，确认它们之间几乎没有可测量的差异。
密歇根州立大学副研究教授、该论文的合著者JobyCzarnecki警告说，这并不意味着这两组图像是相同的。
“虽然我们不能说这些图像在所有条件下都能提供相同的信息，但对于这个特定问题，它们允许做出类似的决定。近红外反射率对于某些工厂决策可能非常关键。但是，在这种特殊情况下，它是令人兴奋的是，我们的研究表明您可以用廉价的人工智能取代昂贵的技术，并且仍然会做出相同的决定，”她解释道。
鸟瞰图可以提供难以从地面获得的信息。例如，风暴破坏或营养缺乏的区域在肉眼水平面上可能不容易看到，但可以从空中轻松发现。获得适当授权的农民可以选择驾驶自己的无人机，也可以与私营公司签订合同。无论哪种方式，彩色地图都提供了管理决策所需的重要作物健康信息。
研究中使用的AI软件和程序可供希望实施它或通过在其他数据集上训练网络来扩展使用的公司使用。
“人工智能在帮助降低成本方面有很大的潜力，这是许多农业应用的关键驱动因素。如果你能让一架价值600美元的无人机更有用，那么每个人都可以使用它。这些信息将帮助农民提高产量并成为更好地管理他们的土地，”Chowdhary总结道。
农业与生物工程系隶属于伊利诺伊大学农业、消费者与环境科学学院和格兰杰工程学院。
论文“使用深度学习从标准RGB航空影像预测NDVI/NDRE”发表在计算机和农业电子学上。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！