Sieci neuronowe pomagają rolnikom w planach rolniczych poprzez dane satelitarne

-

Ponieważ globalna populacja wzrasta o 2 miliardy, konieczne jest dostosowanie się do praktyki przyjazne środowisku na bardziej ekologiczne jutro. Kiedy mówimy o bardziej ekologicznym jutrze, nie możemy ignorować obecnego kryzysu klimatycznego. Organizacje zajmujące się sztuczną inteligencją, ML i sztucznymi sieciami neuronowymi przyjęły to wyzwanie i dążą do rozwiązania tego problemu. Wiele rozwiązań, takich jak używanie technika drona do sadzenia nasionlub pomoc rolnikom w walce ze zmianami klimatu, żeby wymienić tylko kilka, starają się wzmocnić pozycję małych i dużych rolników na całym świecie

Jedno z takich rozwiązań dla dziedzin rolnictwa i leśnictwa oferuje: Analiza danych systemu obserwacji Ziemi (EOSDS). Firma zbiera dane satelitarne o plonach i lesistości określonego kawałka ziemi.

Następnie przekształca dane w cenne spostrzeżenia. Może to pomóc rolnikom i wydziałom leśnym w planowaniu działań z wyprzedzeniem. Po konwersji trenuje sieci neuronowe, aby kategoryzować dane na jak najwięcej klas.

https://twitter.com/ESA_EOHelp/status/1531976405776576512?s=20&t=biAK0gR7nYOtKpQFHSfOEg

Dane satelitarne do danych upraw

EOSDS wykorzystuje model konwolucyjnej sieci neuronowej (CNN) do klasyfikowania upraw na różne kategorie. Model będzie wtedy przewidywał możliwość ekspansji na rynek rolny. Sieci CNN są zhierarchizowane, wysoce elastyczne i dobrze prognozują. Może również odróżnić obiekt od szumu tła. Uczą się także oddzielać prawdziwe obrazy od ich głębokie podróbki.

Studiowanie upraw na Ukrainie, Indiach i Brazylii

Od momentu założenia w 2015 r. EOSDS gromadzi dane o uprawach i lasach z satelitów, takich jak Sentinal-1, Sentinel-2 i innych. Pierwszym projektem było sklasyfikowanie upraw pszenicy na takie kategorie jak pszenica jara, pszenica ozima, jęczmień i wiele innych na Ukrainie. W ciągu siedmiu lat firmie udało się pozyskać podstawowe dane, a teraz co 10 dni dostarcza informacje rolnikom.

Dyrektor ds. Zarządzania Kontem dla Rolnictwa i Leśnictwa w EOSDS, Lina Jaryszshared że „z powodzeniem wykryli stan pozyskania dla 6,500 pól o łącznej powierzchni 47,000 10 ha. Naukowcy zajmujący się danymi dostarczali raporty o stanie zbiorów co XNUMX dni”. W Indiach i Brazylii badaną rośliną była trzcina cukrowa. Użytkownicy zobaczą wyniki w kolorowym formacie na swoich ekranach.

Sieci neuronowe pomagają rolnikom
Zdjęcie: EOSDS

„W celu zebrania prawdziwych danych specjaliści dwa razy w roku odbywali podróże, latem i zimą, aby zmapować wiosenne uprawy, które rosną w tych porach roku” – powiedział Yarysh. Analiza gruntu przeprowadzona przez EOSDS pokazuje stan zbiorów, niezależnie od tego, czy grunt został zebrany w całości, częściowo, czy też nie został zebrany w ogóle.

Firma badała trzcinę cukrową w Maharashtra w Indiach i Sao Paulo w Brazylii. W tym badaniu wykorzystali model pamięci długoterminowej CNN. Dzięki temu modelowi uzyskali dokładność 94%. Aby zbadać dane o uprawach w czasie i przestrzeni, EOSDS wykorzystało dane satelitarne i NDVI, technologię szeregów czasowych stosowaną do wykrywania stanu zbiorów.

Sieci neuronowe pomagają rolnikom
Zdjęcie: EOSDS

Stan wylesiania

W przypadku przemysłu leśnego EOSDS nie analizuje lasu przy użyciu technologii NDVI. Stan wylesiania jest wyświetlany w postaci kawałka lądu, na którym można zobaczyć pokrywy leśne, podobnie jak w Google Maps. Technologia Forest Monitoring jest określana jako „najmłodsze dziecko” firmy, ponieważ została wydana w 2021 roku. Technologia ta korzysta również z CNN i bardzo ostrożnie oddziela dane od chmur na niebie. W tym celu studiowali wyspę Tasmania w Australii. Modele wylesiania opracowane przez firmę działają z częstotliwością miesięczną i kwartalną.


YouTube: Jak EOSDA wykorzystuje sieci neuronowe do przekształcania #SatelliteData w przydatne analizy

Zdjęcie: funkcja obraz jest tylko symboliczna i została podjęta przez DGLobrazy. Wszystkie pozostałe obrazy są własnością firmy EOSDS i zostały udostępnione do użytku prasowego.

Czy ten post był pomocny?

Ujala Chowdhry
Ujala Chowdhry
Witam, jestem dziennikarzem technicznym w TechAcute. Ukończyłem studia licencjackie z inżynierii informatycznej i magisterskie z dziennikarstwa. Mogłem tu zobaczyć wiele aspektów technologii i nadal się uczyć. Uwielbiam opowiadać o globalnych rozwiązaniach technologicznych i być dostępnym społecznie na Twitterze.
- Reklama -
- Reklama -
- Reklama -
- Reklama -
- Reklama -
- Reklama -