Síla vidění za schopnosti lidského oka

Různé barvy, které můžeme vidět, jsou založeny na různých vlnových délkách světla. Lidské oko dokáže detekovat a rozlišit vlnové délky ve třech pásmech (červené, zelené a modré), které pokrývají rozsah od 450 do 650 nanometrů, ale ze stovek dalších pásem světla, které existují mimo tento rozsah, nevidíme světlo. Existuje technologie zvaná hyperspektrální zobrazování, která může poskytnout lepší pohled na to, co se děje ve světě kolem nás. Existují specializované kamery, které oddělují až 300 pásem světla pomocí hranolů a poté digitalizují energii, kterou detekují, na základě specifické vlnové délky. Tyto kamery mají širokou škálu potenciálních aplikací. Lze je například použít ke sledování emisí skleníkových plynů, rozlišování mezi smíšenými čirými plasty nebo měření zralosti ovoce na balicí lince.

Existuje několik výrobců těchto hyperspektrálních kamer, ale alespoň prozatím jsou poměrně drahé – začínají kolem 20,000 XNUMX $. Software specifický pro kamery, který používají, není tak snadné integrovat s jinými systémy. Další výzva, která přichází s tímto rozšířeným pohledem na svět, souvisí s objemem dat – tyto kamery generují přibližně jeden gigabit dat za sekundu!

Existuje společnost s názvem Metaspectral, která se snaží rozšířit potenciál hyperspektrálního zobrazování nabídkou kombinace hardwaru a softwaru, aby byl tento zdroj dat uživatelsky přívětivější. Používají „zařízení agnostická“ okrajová zařízení s kompresními algoritmy, které lze připojit k jakékoli hyperspektrální kameře a přeměnit její datový výstup na zvládnutelný tok. Jejich proprietární platformu Fusion AI lze použít k propojení se známým uživatelským softwarem, řízení robotiky nebo k podpoře systémů umělé inteligence a hlubokého učení.

Společnost Metaspectral nedávno získala 4.7 milionu dolarů v počátečním kole financování od SOMA Capital, Acequia Capital, kanadské vlády a andělských investorů včetně Jude Gomily a Alana Rutledge. Společnost spoluzaložili Francis Doumet (CEO) a Migel Tissera (CTO). Tissera popisuje svou nabídku následovně: „Vyvinuli jsme nové algoritmy komprese dat, které nám umožňují lépe a rychleji přenášet hyperspektrální data, ať už z oběžné dráhy na zem nebo v rámci pozemních sítí. Kombinujeme to s našimi pokroky v hlubokém učení, abychom mohli provádět analýzu na úrovni subpixelů, což nám umožňuje získat více poznatků než konvenční počítačové vidění, protože naše data obsahují více informací o spektrální dimenzi.

Hyperspektrální zobrazování lze skutečně použít ve velmi různých měřítcích. Například jedna z nejrozvinutějších aplikací systému Metaspectral je s detailními kamerami na třídicích linkách pro smíšený recyklovaný materiál, kde dokáže rozlišit čiré plasty podle chemického složení tak, aby mohly být tříděny do extrémně čistých proudů potřebných pro opětovné zpracování. .

Tento systém nyní používá největší kanadský recyklátor odpadu. Existují další detailní aplikace pro zajištění kvality na montážních linkách nebo při třídění ovoce.

V druhém extrému může kamera generovat data ze satelitu, kde každý pixel snímku představuje 30 m x 30 m čtverečních (900 metrů čtverečních). Kanadská kosmická agentura používá tento přístup ke sledování emisí skleníkových plynů a dokonce k odhadu sekvestrace půdního uhlíku v obhospodařované nebo zalesněné půdě porovnáním rychlostí toku v průběhu času. Technologie je rovněž plánována pro budoucí nasazení na Mezinárodní vesmírné stanici. Hodnocení rizika lesních požárů je další potenciální aplikací pro řízení akcí, jako jsou předepsané popáleniny.

Další možností, která by byla zvláště užitečná pro zemědělství, je nasazení kamer s drony létajícími na 50-100 metrů. V takovém případě může každý pixel dat představovat oblast 2 cm x 2 cm a schopnost monitorovat tolik různých vlnových délek by mohla umožnit včasnou detekci invazivních plevelů, aktivity hmyzu, plísňových infekcí ve stádiích dříve, než jsou viditelné pro člověka, včasné náznaky vody. nebo nedostatek živin nebo parametry zralosti plodin, které určují načasování sklizně. Mohlo by být možné sledovat emise skleníkových plynů nebo čpavku z obhospodařované půdy, abychom lépe pochopili, jak jsou tyto emise ovlivněny konkrétními zemědělskými postupy, jako je omezení orby, krycí plodiny, hnojení s proměnnou rychlostí nebo „řízená kolová doprava“. V tuto chvíli je potřeba hodně „ground pravdivého“ výzkumu pro spojení zobrazovacích dat s měřeními dotyčných proměnných, ale to bude mnohem snazší s kompresí dat a možnostmi rozhraní dostupnými od Metaspectral.

Jednou z nadějí je, že různorodé aplikace hyperspektrálního zobrazování podporované platformou Metaspectral vytvoří dostatečnou poptávku po kamerách, aby posunuly výrobu dále dolů na křivce nákladů a učení.