Nägemise jõud kaugemale inimsilma võimetest

Erinevad värvid, mida me näeme, põhinevad erinevatel valguse lainepikkustel. Inimsilm suudab tuvastada ja eristada lainepikkusi kolmes ribas (punane, roheline ja sinine), mis katavad vahemikku 450–650 nanomeetrit, kuid me ei näe valgust sadadest muudest valgusribadest, mis eksisteerivad väljaspool seda vahemikku. On olemas tehnoloogia, mida nimetatakse hüperspektraalseks pildistamiseks, mis võib anda parema ülevaate sellest, mis meid ümbritsevas maailmas toimub. On olemas spetsiaalsed kaamerad, mis eraldavad prismadega kuni 300 valgusriba ja seejärel digiteerivad tuvastatava energia lainepikkuspõhiselt. Nendel kaameratel on suur valik potentsiaalseid rakendusi. Näiteks saab neid kasutada kasvuhoonegaaside heitkoguste jälgimiseks, segatud läbipaistvate plastide vahetegemiseks või puuviljade küpsuse mõõtmiseks pakkimisliinil.

Nende hüperspektraalkaamerate tootjaid on mitu, kuid vähemalt praegu on need üsna kallid – alates umbes 20,000 XNUMX dollarist. Nende kasutatavat kaameraspetsiifilist tarkvara ei ole nii lihtne teiste süsteemidega integreerida. Teine väljakutse, mis selle laiendatud maailmapildiga kaasneb, on seotud andmemahuga – need kaamerad genereerivad umbes ühe gigabiti andmeid sekundis!

On olemas ettevõte nimega Metaspectral, mis püüab laiendada hüperspektraalse pildistamise potentsiaali, pakkudes riist- ja tarkvara kombinatsiooni, et muuta see andmeallikas kasutajasõbralikumaks. Nad kasutavad "seadme agnostilisi" servaseadmeid, mis töötavad tihendusalgoritme, mida saab ühendada mis tahes hüperspektraalkaameraga ja muuta selle andmeväljundi hallatavaks vooluks. Nende patenteeritud Fusion AI platvormi saab kasutada tuttava kasutajatarkvaraga liidestamiseks, robootika juhtimiseks või tehisintellekti ja süvaõppesüsteemide toitmiseks.

Metaspectral kogus hiljuti 4.7 miljonit dollarit SOMA Capitalilt, Acequia Capitalilt, Kanada valitsuselt ja ingelinvestoritelt, sealhulgas Jude Gomila ja Alan Rutledge. Ettevõtte asutasid Francis Doumet (tegevjuht) ja Migel Tissera (CTO). Tissera kirjeldab oma pakkumist järgmiselt: „Oleme välja töötanud uudsed andmetihendusalgoritmid, mis võimaldavad meil hüperspektraalseid andmeid paremini ja kiiremini edastada nii orbiidilt maapinnale kui ka maapealsete võrkude sees. Ühendame selle oma edusammudega süvaõppes, et teha subpikslitaseme analüüsi, mis võimaldab meil saada rohkem teadmisi kui tavaline arvutinägemine, kuna meie andmed sisaldavad rohkem teavet spektrimõõtme kohta.

Tõepoolest, hüperspektraalset pildistamist saab kasutada väga erinevatel skaaladel. Näiteks üks Metaspectrali süsteemi kõige arenenumaid rakendusi on segatud ringlussevõtu materjali sorteerimisliinidel olevad lähikaamerad, kus see suudab läbipaistvaid plastmassi keemilise koostise järgi eristada, nii et neid saab sorteerida ümbertöötlemiseks vajalikeks äärmiselt puhasteks voogudeks. .

Kanada suurim jäätmete taaskasutaja kasutab nüüd seda süsteemi. Kvaliteedi tagamiseks koosteliinidel või puuviljasorteerimisel on ka teisi lähivõtteid.

Teises äärmuses võib kaamera genereerida andmeid satelliidilt, kus iga pildi piksel esindab 30 m x 30 m ruutu (900 ruutmeetrit). Kanada kosmoseagentuur kasutab seda lähenemisviisi kasvuhoonegaaside heitkoguste jälgimiseks ja isegi mulla süsiniku sidumise hindamiseks põllu- või metsamaal, võrreldes voolukiirusi aja jooksul. Tehnoloogiat kavatsetakse tulevikus kasutusele võtta ka rahvusvahelises kosmosejaamas. Metsa metsatulekahjude riskihinnangud on veel üks potentsiaalne rakendus selliste toimingute suunamiseks nagu ettekirjutavad põletused.

Teine võimalus, mis oleks põllumajanduses eriti kasulik, on kaamerate kasutuselevõtt 50-100 meetri kõrgusel lendavate droonidega. Sel juhul võib iga andmepiksel esindada 2 cm x 2 cm suurust ala ja nii paljude erinevate lainepikkuste jälgimise võimalus võimaldab varakult avastada invasiivseid umbrohtusid, putukate aktiivsust, seeninfektsioone staadiumis, enne kui need on inimestele nähtavad, ja varajasi märke vee olemasolust. või toitainete puudujäägid või saagi küpsuse parameetrid, et suunata koristusaega. Võib olla võimalik jälgida tehismuldade kasvuhoonegaaside või ammoniaagi heitkoguseid, et paremini mõista, kuidas neid mõjutavad konkreetsed põlluharimistavad, nagu vähendatud mullaharimine, kattekultuur, muutuva normiga väetamine või "kontrollitud rataste liiklus". Praegu on vaja palju "maapealse tõesuse" uurimist, et ühendada pildiandmed kõnealuste muutujate mõõtmistega, kuid see on palju lihtsam Metaspectrali pakutavate andmete tihendamise ja liidese võimaluste abil.

Üks lootus on see, et Metaspectral platvormi hõlbustatud hüperspektraalse pildistamise mitmekesised rakendused loovad kaamerate järele piisava nõudluse, et suruda tootmist kuluõppe kõveras veelgi allapoole.