Превращение обычных камер в инструменты анализа сельхозкультур
Стандартные RGB-камеры (например, в смартфонах) недороги, но не могут предоставить информацию о химическом составе растений. Мульти- и гиперспектральные камеры, которые это умеют, стоят от $10 000 и более.
Исследователи из Университета Иллинойса в Урбане-Шампейне в двух статьях в Computers and Electronics in Agriculture исследуют реконструкцию мульти- и гиперспектральных изображений из обычных RGB-снимков для химического анализа.
Анализ атрибутов сладкого картофеля
В первой работе команда создала и опубликовала обширный набор данных Agro-HSR — крупнейший в своём роде для реконструкции гиперспектральных изображений (HSI). Он содержит 1322 пары изображений от 790 образцов сладкого картофеля.
- Цель: Быстро и неразрушающим методом оценить качество (содержание сахара — brix, влажность, сухое вещество).
- Результат: Для 141 образца измерения на основе реконструированных изображений показали высокую корреляцию с реальными лабораторными данными.
- Лучшие модели: Из пяти протестированных моделей реконструкции HSI лучше всех показали себя Restormer и MST++.
Набор данных Agro-HSR находится в открытом доступе для обучения и разработки моделей под другие сельхозпродукты.
Оценка содержания хлорофилла у кукурузы
Во второй статье описан новый метод реконструкции мультиспектральных изображений для анализа содержания хлорофилла — ключевого индикатора роста кукурузы.
- Модель: Исследователи разработали новую модель Window-Adaptive Spatial-Spectral Attention Transformer (WASSAT), которая точнее других улавливает сложность полевых условий, отличая растения от почвы.
- Принцип работы: Модель преобразует RGB-снимок в 10-канальное мультиспектральное изображение, содержащее информацию для предсказания хлорофилла.
- Устройство: На основе модели создано портативное устройство. Следующий шаг — встроить в него прогнозную модель, чтобы фермер, сделав снимок, сразу получал значение содержания хлорофилла.
Этот подход предлагает экономичное решение для точного мониторинга состояния посевов, оценки роста и обнаружения стресса у растений.