یک نهالستان با 50,000 درخت قبلاً سه روز صرف شمارش آنها میکرد. تیمها با تختهها در ردیفها قدم میزدند, در گرمای بعدازظهر جای خود را گم میکردند و از نو شروع میکردند. حالا با یک پرواز پهپاد و یک مدل AI که هر درخت را از بالا نقشهبرداری میکند انجام میشود.
شمارش درختان و گیاهان یکی از زمانبرترین کارها در نهالستانها, باغها و پروژههای جنگلکاری مجدد است. شرکتهای بیمه اعداد دقیق میخواهند. خریداران نیاز به تأیید مقادیر محموله دارند. مدیران باید بدانند چه تعداد زمستان را تحمل کردهاند. شمارش دستی در این مقیاس کند, ناسازگار و گران است. شمارش هوایی با هوش مصنوعی مسیر سریعتری به همان پاسخها ارائه میدهد.
چرا شمارش دقیق درختان مهم است
شمارش درخت فقط مدیریت موجودی نیست. تصمیمات مالی واقعی را هدایت میکند.
نهالستانها درختان را بر اساس تعداد دقیق میفروشند. یک سفارش 10,000 نهال باید دقیقاً تحویل شود و نهالستان باید قبل از قول دادن بداند 10,000 دارد یا 9,400. مطالبات بیمه پس از طوفان یا بیماری به شمارش مستند برای اثبات خسارت نیاز دارند. مدیران باغ بازده را بر اساس تعداد درختان تخمین میزنند و خطای 5% در شمارش درخت مستقیماً به خطای 5% در برنامهریزی برداشت تبدیل میشود.
برای پروژههای جنگلکاری مجدد, شمارش درختان کاشته شده انطباق با مقررات زیستمحیطی و تعهدات اعتبار کربن را تأیید میکند. این شمارشها اغلب باید صدها هکتار زمین ناهموار را پوشش دهند که قدم زدن در هر ردیف غیرعملی است.
شمارش هوایی AI چگونه کار میکند
فرآیند سه مرحله دارد: پرواز, عکاسی و شمارش.
یک پهپاد مجهز به دوربین RGB با الگوی شبکهای بر فراز منطقه هدف در ارتفاع 30 تا 80 متر پرواز میکند, بسته به اندازه و تراکم درختان. پرواز تصاویر همپوشان ثبت میکند که هر بخش از مزرعه را پوشش میدهند. برای یک نهالستان 10 هکتاری, پرواز 15 تا 30 دقیقه طول میکشد.
تصاویر به یک مدل AI آموزشدیده بر تشخیص هوایی درخت آپلود میشوند. مدل هر تصویر را اسکن میکند, تاجهای فردی درختان یا تنهها را شناسایی میکند و آنها را با نقاط تشخیص علامتگذاری میکند. تصاویر همپوشان به هم وصل میشوند تا هر درخت یکبار شمرده شود, نه تکرار در چند فریم.
خروجی یک شمارش کل به همراه نقشه ژئورفرنسشدهای است که مکان دقیق هر درخت تشخیص داده شده را نشان میدهد. مدیران نهالستان میتوانند بزرگنمایی کنند, تشخیصها را تأیید کنند و شکافهایی را که درختان مفقود یا مرده هستند شناسایی کنند.
معیارهای دقت
دقت به تراکم تاج, وضوح تصویر و فاصله درختان بستگی دارد. اعداد مطالعات اخیر امیدوارکننده هستند.
دقت 93 تا 95% در شرایط تاج انبوه. تلاش دستی را بیش از 70% کاهش میدهد و تصاویر را تقریباً 5 برابر سریعتر از روشهای سنتی پردازش میکند.
یک سیستم شمارش UAS در حین پرواز به امتیاز F1 معادل 99.09% دست یافت و درختان را در حین پرواز با نتایج در دسترس ثانیهها پس از بلند شدن به درستی شناسایی کرد.
دقت 95% برای تشخیص تنه درخت و میانگین دقت متوسط 0.977, با بهبود سرعت 515% نسبت به روشهای دستی.
الگو ثابت است: درختان با فاصله مناسب در ردیفهای یکنواخت دقت بالای 95% میدهند. تاجهای متراکم و همپوشان دقت را به حدود 90% کاهش میدهند زیرا مدل برای جدا کردن تاجهای فردی که از بالا بصری ادغام میشوند مشکل دارد.
بهترین روشها برای عکسهای هوایی درخت
- در ارتفاع 40 تا 60 متر برای بهترین تعادل پوشش و وضوح پرواز کنید
- از همپوشانی 70 تا 80% تصویر برای اطمینان از پوشش کامل و اتصال دقیق استفاده کنید
- در شرایط ظهر یا ابری پرواز کنید تا سایههایی که تشخیص تاج را گیج میکنند به حداقل برسد
- از روزهای بادی که شاخهها تکان میخورند و تصاویر را تار میکنند اجتناب کنید
- برای تاجهای انبوه, پایینتر پرواز کنید تا وضوح هر درخت افزایش یابد
- تصاویر را در ارتفاع ثابت ثبت کنید تا مقیاس در کل مجموعه داده یکنواخت بماند
فراتر از شمارش: هوش مصنوعی هوایی چه چیز دیگری آشکار میکند
شمارش درختان از تصاویر پهپاد یک اثر جانبی مفید تولید میکند: نقشه شکافها. درختان مفقود, درختان مرده و مناطق با رشد ضعیف به صورت حفرههایی در الگوی تشخیص ظاهر میشوند. مدیران نهالستان از این نقشههای شکاف برای برنامهریزی کاشت مجدد, برنامهریزی تنظیمات آبیاری و شناسایی شیوع آفات یا بیماری قبل از گسترش استفاده میکنند.
برخی سیستمها شمارش را با طبقهبندی سلامت ترکیب میکنند و از تصاویر چندطیفی برای پرچمگذاری درختان دارای علائم استرس استفاده میکنند. یک پرواز پهپاد میتواند شمارش موجودی, ارزیابی سلامت و تحلیل شکاف را ارائه دهد - سه وظیفهای که در زمین به تلاشهای دستی جداگانه نیاز دارند.
محدودیتهایی که باید بدانید
- تاجهای متراکم و همپوشان دقت را کاهش میدهند زیرا درختان فردی از بالا بصری ادغام میشوند. گونههای خزاندار با برگ کامل سختتر از درختان شاخهلخت زمستانی جدا میشوند.
- نهالهای بسیار جوان زیر 30 سانتیمتر ممکن است برای تشخیص قابل اعتماد از ارتفاع استاندارد پهپاد خیلی کوچک باشند. پروازهای پایینتر کمک میکنند اما پوشش را کاهش میدهند.
- کاشتهای مختلط که اندازههای مختلف درخت روی هم میروند میتوانند مدلهای آموزشدیده بر ردیفهای یکنواخت را گیج کنند.
- محدودیتهای قانونی پرواز پهپاد نزدیک فرودگاهها, مناطق شهری یا فضای هوایی حفاظتشده ممکن است محل پرواز را محدود کنند.
نتیجهگیری
شمارش درختان با هوش مصنوعی مبتنی بر پهپاد یک کار دستی چندروزه را به یک پرواز واحد تبدیل میکند. دقت برای مطالبات بیمه, سفارشات فروش و انطباق قانونی کافی بالا است و با هر نسل جدید مدل بهبود مییابد.
اگر عملیات شما درختان را با قدم زدن در ردیفها با تخته میشمارد, پرواز یک پهپاد بر فراز همان منطقه را امتحان کنید. شمارش قبل از فرود پهپاد روی صفحه شما خواهد بود و نقشه چیزهایی به شما نشان میدهد که هیچ پیادهروی در سطح زمین هرگز نمیتواند.