Выявление сорняков на полях шпината с помощью снимковой гиперспектральной визуализации
Сорняки остаются постоянной и дорогостоящей проблемой для сельского хозяйства. Конкурируя с культурными растениями за питательные вещества, воду и солнечный свет, они способны значительно снижать урожайность и качество продукции, что приводит к существенным экономическим потерям.
По мере роста требований к производительности при одновременном сокращении затрат и воздействия на окружающую среду становятся необходимы новые решения для адресной борьбы с сорняками.
Недостатки традиционных методов
Сорняки часто похожи на сельскохозяйственные культуры по форме, цвету и размеру, особенно на ранних стадиях развития или в плотных посадках. Поэтому распознавать их традиционными методами бывает сложно. Исторически для борьбы с сорняками применяли ручную прополку и химические гербициды, однако оба подхода имеют ограничения:
- Ручное удаление требует значительных затрат времени и труда;
- Химические гербициды могут представлять опасность для окружающей среды и здоровья человека;
- Чрезмерное применение химических средств способствует формированию устойчивости сорняков к гербицидам;
- Сплошное опрыскивание без точных данных о расположении сорняков приводит к избыточному расходованию препаратов и ресурсов.
Экологичная альтернатива: гиперспектральная визуализация
В связи с растущим спросом на устойчивые методы борьбы с сорняками сельскохозяйственные производители стремятся сократить применение гербицидов, не ухудшая состояние культур и продуктивность полей.
Одним из перспективных решений является гиперспектральная визуализация. Она регистрирует уникальный спектральный отклик растений в сотнях диапазонов длин волн. В отличие от RGB-камер, гиперспектральная визуализация позволяет обнаруживать слабые различия в химическом составе растительности.
Возможности гиперспектральной визуализации
- Точное распознавание сорняков, в том числе в сложной природной обстановке;
- Адресная борьба с сорняками на отдельных участках поля на основе объективных данных;
- Сокращение расхода гербицидов и эксплуатационных затрат;
- Мониторинг поля в реальном или близком к реальному времени;
- Высокая эффективность модели при небольшом объёме обучающих данных.
Выявление сорняков на полях шпината
Для демонстрации практических возможностей гиперспектральной визуализации был проведён эксперимент по выявлению определённого вида сорняка, растущего рядом со зрелым шпинатом. Из-за визуального сходства сорняка и культурного растения задача представляла значительную сложность.
Исходные данные получили из видеозаписи продолжительностью всего несколько секунд. Из нескольких выбранных кадров были извлечены спектральные данные, выполнена их L2-нормализация, после чего данные использовали для обучения спектрального классификатора.
На ранее не использовавшихся данных модель продемонстрировала точность 74 %. С учётом небольшого объёма исходного материала и значительного внешнего сходства сорняка со шпинатом это является убедительным результатом.
Условия полевой съёмки
- Камера – гиперспектральная камера Living Optics;
- Конфигурация – ручная съёмка при перемещении оператора со скоростью около 1 м/с;
- Частота регистрации – 30 кадров/с.
Рисунок 1 – Результат выявления сорняков на поле шпината: слева – карта уверенности спектрального классификатора, где более яркий жёлтый цвет соответствует более высокой вероятности наличия сорняка; справа – RGB-изображение с ограничивающими рамками вокруг обнаруженных сорняков
Высокоточное управление сорняками в полевых условиях
Эксперимент подтвердил ценность гиперспектральной камеры Living Optics для практического применения в сельском хозяйстве. Даже при минимальном объёме обучающих данных система обеспечила устойчивую работу и возможность анализа в реальном времени.
Технология может стать основой для более интеллектуального, быстрого и экологичного управления сорняками: химические средства будут применяться только на участках, где обнаружены нежелательные растения. Это позволяет снизить расход гербицидов, уменьшить воздействие на окружающую среду и сохранить урожайность культур.
Источник изображений и материалов: Living Optics, “Weed Detection in Spinach Fields Using Hyperspectral Snapshot Imaging”. Материал опубликован Living Optics.
