वनस्पति डेटा प्राप्त करने के लिए एक मानक आरजीबी कैमरा और एआई का उपयोग करना

एरियल इमेजरी सटीक कृषि का एक मूल्यवान घटक है, जो किसानों को फसल के स्वास्थ्य और उपज के बारे में महत्वपूर्ण जानकारी प्रदान करता है। छवियां आमतौर पर एक ड्रोन से जुड़े महंगे मल्टीस्पेक्ट्रल कैमरे से प्राप्त की जाती हैं। लेकिन इलिनोइस विश्वविद्यालय और मिसिसिपी स्टेट यूनिवर्सिटी (MSU) के एक नए अध्ययन से पता चलता है कि AI डीप लर्निंग के साथ संयुक्त एक मानक लाल-हरे-नीले (RGB) कैमरे से चित्र लागत के एक अंश के लिए समकक्ष फसल भविष्यवाणी उपकरण प्रदान कर सकते हैं।

मल्टीस्पेक्ट्रल कैमरे रंगीन मानचित्र प्रदान करते हैं जो किसानों को पौधों के स्वास्थ्य की निगरानी करने और समस्या वाले क्षेत्रों की पहचान करने में मदद करने के लिए वनस्पति का प्रतिनिधित्व करते हैं। सामान्यीकृत अंतर वनस्पति सूचकांक (एनडीवीआई) और सामान्यीकृत अंतर रेड एज इंडेक्स (एनडीआरई) जैसे वनस्पति सूचकांक स्वस्थ क्षेत्रों को हरे रंग के रूप में प्रदर्शित करते हैं, जबकि समस्या वाले क्षेत्रों को लाल रंग में दिखाया जाता है।

"आमतौर पर, ऐसा करने के लिए आपके पास एक नियर-इन्फ्रारेड कैमरा (NIR) होना चाहिए, जिसकी कीमत लगभग $5,000 है। लेकिन हमने दिखाया है कि हम कम लागत वाले ड्रोन से जुड़े आरजीबी कैमरे का उपयोग करके एनडीवीआई जैसी छवियों को उत्पन्न करने के लिए एआई को प्रशिक्षित कर सकते हैं, और इससे लागत में काफी कमी आती है।" I का U और कागज पर सह-लेखक।

इस अध्ययन के लिए, अनुसंधान दल ने मल्टीस्पेक्ट्रल और आरजीबी कैमरा दोनों के साथ विभिन्न विकास चरणों में मकई, सोयाबीन और कपास के खेतों से हवाई चित्र एकत्र किए। उन्होंने Pix2Pix का इस्तेमाल किया, a तंत्रिका नेटवर्क छवि रूपांतरण के लिए डिज़ाइन किया गया, आरजीबी छवियों को एनडीवीआई और एनडीआरई रंग मानचित्रों में लाल और लाल रंग के साथ अनुवाद करने के लिए हरे क्षेत्र. बड़ी संख्या में मल्टीस्पेक्ट्रल और नियमित चित्रों के साथ नेटवर्क को पहले प्रशिक्षण के बाद, उन्होंने नियमित छवियों के दूसरे सेट से एनडीवीआई/एनडीआरई चित्रों को उत्पन्न करने की क्षमता का परीक्षण किया।

"तस्वीरों में एक परावर्तक हरापन सूचकांक है जो प्रकाश संश्लेषक दक्षता को इंगित करता है। यह ग्रीन चैनल में थोड़ा सा और निकट-अवरक्त चैनल में बहुत कुछ दर्शाता है। लेकिन हमने एक ऐसा नेटवर्क तैयार किया है जो एनआईआर चैनल पर प्रशिक्षण देकर इसे ग्रीन चैनल से निकाल सकता है। इसका मतलब है कि हमें केवल ग्रीन चैनल की जरूरत है, साथ ही अन्य प्रासंगिक जानकारी जैसे कि लाल, नीला और हरा पिक्सेल, ”चौधरी बताते हैं।

एआई-जनित छवियों की सटीकता का परीक्षण करने के लिए, शोधकर्ताओं ने फसल विशेषज्ञों के एक पैनल से उन्हीं क्षेत्रों की साइड-बाय-साइड छवियों को देखने के लिए कहा, जो या तो एआई द्वारा उत्पन्न की गई हों या मल्टीस्पेक्ट्रल कैमरे से ली गई हों। विशेषज्ञों ने संकेत दिया कि क्या वे बता सकते हैं कि कौन सी वास्तविक मल्टीस्पेक्ट्रल छवि थी, और क्या उन्होंने कोई अंतर देखा जो उनके निर्णय लेने को प्रभावित करेगा।

विशेषज्ञों को छवियों के दो सेटों के बीच कोई स्पष्ट अंतर नहीं मिला, और उन्होंने संकेत दिया कि वे दोनों से समान भविष्यवाणियां करेंगे। शोध दल ने सांख्यिकीय प्रक्रियाओं के माध्यम से छवियों की तुलना का भी परीक्षण किया, यह पुष्टि करते हुए कि वास्तव में उनके बीच कोई औसत दर्जे का अंतर नहीं था।

MSU में एसोसिएट रिसर्च प्रोफेसर और कागज पर सह-लेखक जॉबी जारनेकी ने चेतावनी दी है कि इसका मतलब यह नहीं है कि छवियों के दो सेट समान हैं।

"जबकि हम यह नहीं कह सकते छवियों सभी परिस्थितियों में समान जानकारी प्रदान करेगा, इस विशेष मुद्दे के लिए, वे समान निर्णयों की अनुमति देते हैं। कुछ संयंत्र निर्णयों के लिए निकट-अवरक्त परावर्तन बहुत महत्वपूर्ण हो सकता है। हालाँकि, इस विशेष मामले में, यह रोमांचक है कि हमारा अध्ययन दिखाता है कि आप एक महंगी तकनीक को सस्ती कृत्रिम बुद्धिमत्ता से बदल सकते हैं और फिर भी उसी निर्णय पर पहुँच सकते हैं," वह बताती हैं।

हवाई दृश्य ऐसी जानकारी प्रदान कर सकता है जो जमीन से प्राप्त करना मुश्किल हो। उदाहरण के लिए, तूफान से क्षति या पोषक तत्वों की कमी वाले क्षेत्र आंखों के स्तर पर आसानी से दिखाई नहीं दे सकते हैं, लेकिन हवा से आसानी से देखे जा सकते हैं। उपयुक्त प्राधिकरण वाले किसान अपने स्वयं के ड्रोन उड़ाने का विकल्प चुन सकते हैं, या वे अनुबंध कर सकते हैं निजी संस्था ऐसा करने के लिए। किसी भी तरह से, रंगीन मानचित्र प्रबंधन निर्णयों के लिए आवश्यक महत्वपूर्ण फसल स्वास्थ्य जानकारी प्रदान करते हैं।

अध्ययन में प्रयुक्त एआई सॉफ्टवेयर और प्रक्रियाएं उन कंपनियों के लिए उपलब्ध हैं जो इसे लागू करना चाहती हैं या अतिरिक्त डेटासेट पर नेटवर्क को प्रशिक्षित करके उपयोग का विस्तार करना चाहती हैं।

“लागत कम करने में मदद करने के लिए एआई में बहुत संभावनाएं हैं, जो कृषि में कई अनुप्रयोगों के लिए एक प्रमुख चालक है। यदि आप $600 के ड्रोन को अधिक उपयोगी बना सकते हैं, तो हर कोई इसे एक्सेस कर सकता है। और जानकारी से किसानों को उपज में सुधार करने और अपनी भूमि के बेहतर प्रबंधक बनने में मदद मिलेगी," चौधरी ने निष्कर्ष निकाला।

कृषि और जैविक इंजीनियरिंग विभाग इलिनोइस विश्वविद्यालय में कृषि, उपभोक्ता और पर्यावरण विज्ञान के कॉलेज और इंजीनियरिंग के ग्रिंजर कॉलेज में है।

RSI काग़ज़, “मानक आरजीबी से एनडीवीआई/एनडीआरई भविष्यवाणी हवाई इमेजरी डीप लर्निंग का उपयोग करके," में प्रकाशित किया गया है कृषि में कंप्यूटर और इलेक्ट्रॉनिक्स.