ගුවන් ඡායාරූප යනු නිරවද්ය කෘෂිකර්මයේ වටිනා අංගයක් වන අතර, ගොවීන්ට බෝග සෞඛ්යය සහ අස්වැන්න පිළිබඳ වැදගත් තොරතුරු සපයයි. රූප සාමාන්යයෙන් ලබා ගන්නේ ඩ්රෝන යානයකට සවි කර ඇති මිල අධික බහු වර්ණාවලි කැමරාවක් මගිනි. නමුත් ඉලිනොයිස් විශ්ව විද්යාලයේ සහ මිසිසිපි ප්රාන්ත විශ්ව විද්යාලයේ (MSU) නව අධ්යයනයකින් පෙන්නුම් කරන්නේ AI ගැඹුරු ඉගෙනීම සමඟ ඒකාබද්ධ වූ සම්මත රතු-කොළ-නිල් (RGB) කැමරාවක පින්තූර පිරිවැයෙන් සුළු කොටසක් සඳහා සමාන බෝග අනාවැකි මෙවලම් සැපයිය හැකි බවයි.
බහු වර්ණාවලි කැමරා මගින් වෘක්ෂලතා නිරූපණය කරන වර්ණ සිතියම් සපයනු ලබන්නේ ගොවීන්ට ශාක සෞඛ්යය නිරීක්ෂණය කිරීමට සහ ගැටළු සහිත ප්රදේශ හඳුනා ගැනීමට උපකාර කිරීමටය. සාමාන්යකරණය වූ වෙනස වෘක්ෂලතා දර්ශකය (NDVI) සහ සාමාන්යකරණය වූ වෙනස්කම් රතු දාර දර්ශකය (NDRE) වැනි වෘක්ෂලතා දර්ශක නිරෝගී ප්රදේශ කොළ පැහැයෙන් පෙන්වන අතර ගැටළු සහිත ප්රදේශ රතු ලෙස පෙන්වයි.
“සාමාන්යයෙන්, මෙය සිදු කිරීම සඳහා ඔබට ඩොලර් 5,000ක් පමණ වැය වන ආසන්න අධෝරක්ත කැමරාවක් (NIR) තිබිය යුතුය. නමුත් අඩු වියදම් ඩ්රෝන යානයකට සවි කර ඇති RGB කැමරාවක් භාවිතයෙන් NDVI වැනි පින්තූර ජනනය කිරීමට AI පුහුණු කළ හැකි බව අපි පෙන්වා දී ඇති අතර එමඟින් පිරිවැය සැලකිය යුතු ලෙස අඩු වේ. U of I සහ පත්රයේ සම කර්තෘ.
මෙම අධ්යයනය සඳහා, පර්යේෂක කණ්ඩායම බහු වර්ණාවලි සහ RGB කැමරාවක් සහිත විවිධ වර්ධන අවස්ථා වලදී බඩ ඉරිඟු, සෝයා බෝංචි සහ කපු ක්ෂේත්රවලින් ගුවන් ඡායාරූප එකතු කරන ලදී. ඔවුන් භාවිතා කළේ Pix2Pix, a ස්නායු ජාලය RGB පින්තූර රතු සහ NDVI සහ NDRE වර්ණ සිතියම් බවට පරිවර්තනය කිරීම සඳහා රූප පරිවර්තනය සඳහා නිර්මාණය කර ඇත හරිත ප්රදේශ. ප්රථමයෙන් බහු වර්ණාවලි සහ සාමාන්ය පින්තූර විශාල සංඛ්යාවක් සමඟ ජාලය පුහුණු කිරීමෙන් පසුව, ඔවුන් වෙනත් සාමාන්ය රූප සමූහයකින් NDVI/NDRE පින්තූර ජනනය කිරීමේ හැකියාව පරීක්ෂා කළහ.
“ඡායාරූපවල ප්රභාසංස්ලේෂණ කාර්යක්ෂමතාව පෙන්නුම් කරන පරාවර්තක හරිතතා දර්ශකයක් ඇත. එය හරිත නාලිකාවේ ස්වල්පයක් සහ අධෝරක්ත කිරණ නාලිකාවේ බොහෝ දේ පිළිබිඹු කරයි. නමුත් අපි එය NIR නාලිකාවේ පුහුණු කර හරිත නාලිකාවෙන් උපුටා ගත හැකි ජාලයක් නිර්මාණය කර ඇත්තෙමු. මෙයින් අදහස් කරන්නේ අපට අවශ්ය වන්නේ රතු, නිල් සහ කොළ පික්සල වැනි වෙනත් සන්දර්භීය තොරතුරු සමඟ පමණක් බවයි, ”චෞද්රි පැහැදිලි කරයි.
AI-ජනනය කරන ලද රූපවල නිරවද්යතාවය පරීක්ෂා කිරීම සඳහා, පර්යේෂකයන් විසින් බෝග විශේෂඥ මණ්ඩලයකින් ඉල්ලා සිටියේ, AI මගින් ජනනය කරන ලද හෝ බහු වර්ණාවලි කැමරාවකින් ගන්නා ලද එම ප්රදේශවලම පැති පැත්තේ රූප බැලීමටය. සත්ය බහු වර්ණාවලි රූපය කුමක්දැයි ඔවුන්ට පැවසිය හැකිද යන්නත්, ඔවුන්ගේ තීරණ ගැනීමට බලපාන යම් වෙනස්කම් ඔවුන් දුටුවාද යන්නත් විශේෂඥයින් පෙන්වා දුන්හ.
ප්රවීණයන් විසින් රූප කාණ්ඩ දෙක අතර නිරීක්ෂණය කළ හැකි වෙනසක් සොයා නොගත් අතර, ඔවුන් දෙදෙනාම සමාන අනාවැකි පළ කරන බව පෙන්වා දුන්හ. පර්යේෂක කණ්ඩායම සංඛ්යානමය ක්රියා පටිපාටි හරහා රූප සංසන්දනය කිරීම ද පරීක්ෂා කළ අතර, ඒවා අතර ප්රායෝගිකව මැනිය හැකි වෙනස්කම් නොමැති බව තහවුරු කළේය.
MSU හි සහකාර පර්යේෂණ මහාචාර්ය සහ පත්රයේ සම-කර්තෘ ජොබි සාර්නෙකි අනතුරු අඟවන්නේ මින් අදහස් කරන්නේ රූප කට්ටල දෙක සමාන නොවන බවයි.
“අපිට කියන්න බැරි වුණත් රූප සියලුම කොන්දේසි යටතේ එකම තොරතුරු සපයනු ඇත, මෙම විශේෂිත ගැටළුව සඳහා, ඔවුන් සමාන තීරණ සඳහා ඉඩ ලබා දේ. සමහර ශාක තීරණ සඳහා ආසන්න අධෝරක්ත පරාවර්තනය ඉතා තීරණාත්මක විය හැක. කෙසේ වෙතත්, මෙම විශේෂිත අවස්ථාවෙහිදී, අපගේ අධ්යයනයෙන් පෙන්නුම් කරන්නේ ඔබට මිල අධික තාක්ෂණයක් මිල අඩු කෘතිම බුද්ධියක් සමඟ ප්රතිස්ථාපනය කළ හැකි අතර තවමත් එම තීරණයට පැමිණිය හැකි වීම සතුටට කරුණකි, ”ඇය පැහැදිලි කරයි.
ගුවන් දර්ශනය මගින් භූමියෙන් ලබා ගැනීමට අපහසු තොරතුරු සැපයිය හැකිය. නිදසුනක් වශයෙන්, කුණාටු හානි හෝ පෝෂක ඌනතාවයන් ඇති ප්රදේශ අක්ෂි මට්ටමින් පහසුවෙන් නොපෙනේ, නමුත් වාතයෙන් පහසුවෙන් හඳුනාගත හැකිය. සුදුසු අවසර ඇති ගොවීන්ට තමන්ගේම ඩ්රෝන යානා පියාසර කිරීමට තෝරා ගත හැකිය, නැතහොත් ඔවුන් කොන්ත්රාත් විය හැක පුද්ගලික සමාගම එසේ කිරීමට. ඕනෑම ආකාරයකින්, වර්ණ සිතියම් කළමනාකරණ තීරණ සඳහා අවශ්ය වැදගත් බෝග සෞඛ්ය තොරතුරු සපයයි.
අධ්යයනයේ භාවිතා වන AI මෘදුකාංග සහ ක්රියා පටිපාටි එය ක්රියාත්මක කිරීමට හෝ අතිරේක දත්ත කට්ටල මත ජාලය පුහුණු කිරීමෙන් භාවිතය පුළුල් කිරීමට අවශ්ය සමාගම් සඳහා ලබා ගත හැකිය.
“කෘෂිකාර්මික ක්ෂේත්රයේ බොහෝ යෙදුම් සඳහා ප්රධාන ධාවකයක් වන පිරිවැය අඩු කිරීමට උපකාර කිරීමට AI හි බොහෝ විභවයන් තිබේ. ඔබට ඩොලර් 600ක ඩ්රෝන යානයක් වඩාත් ප්රයෝජනවත් කළ හැකි නම්, සෑම කෙනෙකුටම එයට ප්රවේශ විය හැක. ගොවීන්ට අස්වැන්න වැඩි දියුණු කිරීමට සහ ඔවුන්ගේ ඉඩම්වල වඩා හොඳ භාරකරුවන් වීමට තොරතුරු උපකාරී වනු ඇත, ”චෞද්රි අවසන් කරයි.
කෘෂිකාර්මික හා ජීව විද්යාත්මක ඉංජිනේරු දෙපාර්තමේන්තුව පිහිටා ඇත්තේ ඉලිනොයිස් විශ්ව විද්යාලයේ කෘෂිකාර්මික, පාරිභෝගික සහ පාරිසරික විද්යා විද්යාලයේ සහ ග්රේන්ජර් ඉංජිනේරු විද්යාලයේ ය.
එම කඩදාසි, “සම්මත RGB වෙතින් NDVI/NDRE අනාවැකිය ගුවන් රූප ගැඹුරු ඉගෙනීම භාවිතා කරමින්” යනුවෙන් ප්රකාශයට පත් කෙරේ කෘෂිකර්මයේ පරිගණක සහ ඉලෙක්ට්රොනික.