Tarım Dijitalleştirme hızla ilerliyor ve tarım işini daha etkili hale getirmek için mahsul izleme, varlık yönetimi, gübre optimizasyon araçları geliştirme ve diğer şaşırtıcı dijital şeyler yapma için çözümler sunan daha fazla şirket ve geliştirici var.
Tarım yönetimi söz konusu olduğunda, temel varlık arazi parseli ve belirli koordinatları ve sınırları olan arazidir ve tüm uzaktan algılama verileri alana yönlendirilir.
Bu nedenle birçok tarım uygulaması ekin alanları haritasından başlar ve birçoğu ürünün temel özelliği olarak böyle bir haritaya sahiptir.
Tek soru, tüm alanların haritaya nasıl yerleştirileceğidir?
Belgorod bölgesindeki (Rusya) pilot bölge verilen burada biraz peçete matematiği yapalım. (Rusya'nın Sentinel görüntülerinde açıkça görülebilen oldukça büyük ekili arazilere sahip olması nedeniyle bunu örnek aldık)
2 422 kilometrekarelik bu alan:
- yaklaşık 4.500 poligon ekin tarlası;
- ortalama çokgenin yaklaşık 100 köşesi vardır;
Sıfırdan el yapımı haritalama, tahminlerimize göre sürer: 4.500 (özellikler) 100 (köşe) / 350 (köşe/saat) = 1.285 çalışma saati veya insan haritacının 160 iş günü
Ancak bugün, uygulama aşamasına ve ürünün son kullanıcı ihtiyaçlarına göre uygulanmasına daha fazla odaklanmak için rutin haritalama çalışmasının bir kısmını yapay zekaya (AI) devredebiliriz.
Aynı pilot alanı kullanalım :
- AI haritalama ardışık düzeni, bu alanın tek bir görüntüsünü ~ 30 dakika içinde işler;
- genellikle alandaki tüm alanları kaplamak için birkaç görüntü gerekir (bulutlardan, gölgelerden vb. kaçınmak için). Tüm bölge için üç saatlik işlem süresi alan altı görüntü kullandık.
Belgorod bölgesinde (Rusya) test alanı.
AI, hız performansı ile insan haritacılarını birçok kez yenerken, bulutlu alanlar, bulutlardan gelen gölgeler, farklı mevsimler ve alan desenleri vb. gibi bazı durumlarda kararsızlık nedeniyle hatalar yapar.
Peki ya yapay zekanın hızını ve insan doğruluğunu birleştirebilseydik?
Daha açık olmak gerekirse, mahsul alanlarının haritalanmasının otomatikleştirilmesinin büyük ölçüde yardımcı olacağı iki olası kullanım örneğini tartışalım ve sonuçta ortaya çıkan alan maskelerinin yinelemeli işlenmesi ve birleştirilmesi için bir haritacının iş akışını önerelim.
Durum 1: Bölgedeki tüm ekili alanların sayısını ve alan büyüklüğünü sayın
Ücretsiz ve popüler QGIS ( qgis.org ) konusunda biraz deneyimliyseniz - burada, Mapflow-QGIS eklentimizi kullanarak Sentinel-2 ve alan maskelerini kullanmaya başlayabilirsiniz . Eklenti Mapflow API tarafından desteklenmektedir ve çalışmaya başlamak için tek ihtiyacınız olan bir hesap oluşturmak ve giriş yapmak için bir jeton almaktır .
Şekil 2. Mapflow-QGIS eklentisini kullanarak Sentinel-2 uydu görüntülerinin arama sonuçları ve önizlemesi.
Şanslıysanız, bölgenizi kaplayan bulutsuz görüntüleri bulursanız - tek bir Sentinel-2 görüntüsü kullanarak 350 kilometrekarelik alanı ( yukarıdaki resimde gördüğünüz gibi) işlemek yaklaşık 5 dakika sürecektir.
Şekil 3 — Sentinel-2 uydu görüntüsünden AI tarafından çıkarılan kırpma alanlarının bölümleme maskesi.
işte! QGIS katmanlarınızda maske ve görüntü var.
Durum 2: Bölgedeki tüm alanların envanteri
Belirli bir süre içinde bölgede ekilen tüm ekin alanlarının kesin bir haritasını elde etmek için (güncellenmiş görüntüler ve maskeler gerektiren bitki örtüsü mevsimi diyelim) mevcut Sentinel-2 görüntülerinin analizine yönelik bazı ön çalışmaları yapmanız gerekir. .
Ön analiz iki nedenden dolayı yapılmalıdır:
- farklı zamanlarda ekilen nesneleri kaçırmamak için (bkz. Şekil 4(a, b))
- bölgenin tam olarak kapsanmasını sağlamak için (bulut, pus, kar vb. durumlarda, bkz. Şekil 4(c))
Şekil 4— AI modellerimiz tarafından farklı koşullarda çıkarılan alan maskeleri.
Bu amaçla , birkaç uydu görüntüsünden alınan alan maskelerinin bileşimine dayanan özel yinelemeli AI haritalama iş akışını tasarladık.
Rusya'daki örnek bölgemiz göz önüne alındığında nasıl çalışır:
- İşlenecek altı görüntü,
- Bir haritacı*,
- haritacı için yinelemeli AI haritalama kılavuzu
*Önemli — haritacı daha önce bu haritalama iş akışına aşina değildi.
Özetle, algoritma için yaklaşık üç saat ve bir haritacının sonuçları tamamlaması iki gün sürdü (165 gün yerine)!
Yinelemeli AI haritalama iş akışına gizli bir bakış
Yinelemeli eşleme iş akışı aşağıdaki ilkelere dayanır:
- Çoklu uydu görüntülerinden AI tarafından üretilen başarılı çokgenlerin seçimi
- Haritacı için tıklama sayısını en aza indirme
Bu iş akışı, herhangi bir haritacı tarafından saatler içinde alınabilir ve nasıl çalıştığını açıklayan bir dizi öğretici geliştiriyoruz.
Kısa bir görsel açıklama için bu öğreticiyi izleyin: AI tarafından desteklenen yinelemeli haritalama iş akışı öğreticisi
Ayrıntılı bir açıklama için belgeleri okuyun.
Tarım alanlarının yapay zeka ile haritalandırılması hakkında konuştuğumuz web seminerimizin tekrarını izleyebilirsiniz: Mapflow ile Harita. Ücretsiz Sentinel görüntülerini kullanan tarım haritaları .
Uydu görüntülerinde nesnelerin haritalanmasının etkinliğinden bahsederken dikkate alınması gereken önemli bir nokta da var: görüntüleri tek bir şişede aramak ve işlemek için kullanışlı bir araca ihtiyacınız var.
İşte bu yüzden her haritacının ücretsiz olarak kullanabileceği özel amaçlı aracımızı duyurmaktan mutluluk duyuyoruz.
En son eklentimiz Mapflow-QGIS (1.6.*) kullanarak, Mapflow AI ile Sentinel-2 görüntülerini aramak, görüntülemek ve işlemek mümkündür .
Sonuç olarak:
- Sentinel-2 alan haritalamanın yeni modeli Mapflow'a başarıyla uygulandı ve Mapflow-QGIS eklentisinin tüm kullanıcıları tarafından kullanılabilir. Daha önce yayınladığımız yüksek çözünürlüklü model ile birlikte deneyebilirsiniz.
- Mapflow-QGIS 1.6 yayınlandı ???????????? — Ana yeni özellik, Katalog ve Sentinel görüntülerinin İşlenmesidir.
(Sentinel arama, SkyWatch API tarafından desteklenmektedir ???? — bir dahaki sefere hakkında çok daha fazlasını anlatacağımız harika servis ve görüntü sağlayıcısı) - Yapay zeka haritalamanın tüm süreci 80 kat hızlandırabileceğini gösteren deneysel bir tarım bölgesinin karşılaştırmasını tanımladık.
- Yinelemeli AI haritalama iş akışını denemeye hazır cesur haritacılar ve geliştiriciler arıyoruz - kılavuza bakın ve daha fazla materyal almak veya bazı düzenlemeler önermek istiyorsanız bizimle iletişime geçmekten çekinmeyin
- Bu hizmetin yanı sıra Mapflow'un, genel tarım haritalama projeniz için faydalı olabilecek tarla ve yol maskeleri çıkarımı için Yüksek çözünürlüklü görüntü modeli sağladığını unutmayın — ilgili materyalleri kontrol edin