Силата да виждаш отвъд възможностите на човешкото око

Различните цветове, които можем да видим, се основават на различни дължини на вълната на светлината. Човешкото око може да открие и различи дължини на вълните в три ленти (червена, зелена и синя), покриващи диапазона от 450 до 650 нанометра, но не можем да видим светлина от стотиците други ленти светлина, които съществуват извън този диапазон. Има технология, наречена хиперспектрално изображение, която може да даде подобрена представа за това, което се случва в света около нас. Има специализирани камери, които разделят до 300 светлинни ленти с призми и след това дигитализират енергията, която откриват, на базата на специфична дължина на вълната. Тези камери имат огромен набор от потенциални приложения. Например, те могат да се използват за наблюдение на емисиите на парникови газове, за различаване на смесени прозрачни пластмаси или за измерване на зрелостта на плодовете на пакетираща линия.

Има няколко производителя на тези хиперспектрални камери, но поне засега те са доста скъпи – започвайки от около 20,000 XNUMX долара. Специфичният софтуер за камерата, който използват, не е толкова лесен за интегриране с други системи. Другото предизвикателство, което идва с този разширен поглед към света, е свързано с обема на данните – тези камери генерират около един гигабит данни в секунда!

Има компания, наречена Metaspectral, която се стреми да разшири потенциала на хиперспектралните изображения, като предлага комбинация от хардуер и софтуер, за да направи този източник на данни по-удобен за потребителя. Те използват „независими от устройства“ крайни устройства, работещи с алгоритми за компресия, които могат да бъдат свързани към всяка хиперспектрална камера и да превърнат нейния изход от данни в управляем поток. Тяхната собствена платформа Fusion AI може да се използва за взаимодействие с познат потребителски софтуер, задвижване на роботика или захранване на изкуствен интелект и системи за дълбоко обучение.

Metaspectral наскоро събра 4.7 милиона долара в начален кръг от финансиране от SOMA Capital, Acequia Capital, правителството на Канада и ангелски инвеститори, включително Джуд Гомила и Алън Рътлидж. Компанията е съоснована от Франсис Думе (главен изпълнителен директор) и Мигел Тисера (технически директор). Tissera описва тяхното предложение по следния начин: „Разработихме нови алгоритми за компресиране на данни, които ни позволяват да прехвърляме хиперспектрални данни по-добре и по-бързо, независимо дали от орбита към земя или в рамките на наземни мрежи. Комбинираме това с нашия напредък в дълбокото обучение, за да извършваме анализ на ниво подпиксел, което ни позволява да извличаме повече прозрения от конвенционалното компютърно зрение, тъй като нашите данни съдържат повече информация за спектралното измерение.

Наистина, хиперспектралното изображение може да се използва в много различни мащаби. Например, едно от най-разработените приложения на системата на Metaspectral е с камери за близък план на линии за сортиране на смесен материал за рециклиране, където може да диференцира прозрачните пластмаси по химичен състав, така че да могат да бъдат сортирани в изключително чистите потоци, необходими за повторна обработка .

Най-голямата канадска компания за рециклиране на отпадъци вече използва тази система. Има и други близки приложения за осигуряване на качеството в поточни линии или сортиране на плодове.

В другата крайност камерата може да генерира данни от сателит, където всеки пиксел от изображението представлява 30m x 30m квадрат (900 квадратни метра). Канадската космическа агенция използва този подход за проследяване на емисиите на парникови газове и дори за оценка на улавянето на въглерод в почвата в земеделска или залесена земя чрез сравняване на скоростите на потока във времето. Технологията също е предвидена за бъдещо внедряване на Международната космическа станция. Оценките на риска от горски пожар са друго потенциално приложение за насочване на действия като предписани изгаряния.

Друг вариант, който би бил особено полезен за селското стопанство, е разполагането на камерите с дронове, летящи на 50-100 метра. В този случай всеки пиксел от данни може да представлява област с размери 2 см на 2 см и способността за наблюдение на толкова много различни дължини на вълната може да позволи ранно откриване на инвазивни плевели, активност на насекоми, гъбични инфекции на етапи, преди да са видими за хората, ранни признаци на вода или дефицит на хранителни вещества, или параметри за зрялост на реколтата, които да насочват времето за прибиране на реколтата. Може да е възможно да се проследят емисиите на парникови газове или амоняк от обработваните почви, за да се разбере по-добре как те се влияят от специфични земеделски практики като намалена обработка на почвата, покривни култури, променлива норма на торене или „контролиран трафик на колела“. Понастоящем това, което е необходимо, е доста голямо проучване на „наземната истина“, за да се свържат данните от изображенията с измерванията на въпросните променливи, но това ще бъде много по-лесно с компресирането на данни и интерфейсните възможности, налични от Metaspectral.

Една надежда е, че разнообразните приложения на хиперспектрални изображения, улеснени от платформата Metaspectral, ще създадат достатъчно търсене за камерите, за да тласнат производството още по-надолу по кривата на обучението на разходите.