Taimitarha, jossa on 50,000 puuta, kaytti aiemmin kolme paivaa niiden laskemiseen. Tiimit kavelivat riveja leikepoytien kanssa, menettivat paikkansa iltapaivan helteessa ja aloittivat alusta. Nyt se vie yhden dronelennon ja tekoalymallin, joka kartoittaa jokaisen puun ylhaalta.
Puiden ja kasvien laskenta on yksi aikaa vievimmista tehtavista taimitarhoissa, hedelmätarhoissa ja metsityshankkeissa. Vakuutusyhtiot haluavat tarkat maarat. Ostajat tarvitsevat laheteysmaariat vahvistetuiksi. Johtajien on tiedettava, mika selvisi talvesta. Kasinlaskenta tassa mittakaavassa on hidasta, epajohdonmukaista ja kallista. Tekoalypohjainen ilmalaskenta tarjoaa nopeamman polun samoihin vastauksiin.
Miksi tarkat puumaarat ovat tarkeita
Puulaskenta ei ole pelkkaa varastonhallintaa. Se ohjaa todellisia taloudellisia paatoksia.
Taimitarhat myyvat puita tarkan kappalemaaran mukaan. 10,000 taimen tilaus on taytettava tarkasti, ja taimitarhan on tiedettava, onko silla 10,000 vai 9,400 ennen lupausten tekemista. Vakuutuskorvaukset myrskyjen tai tautien jalkeen vaativat dokumentoituja maarria tappioiden todistamiseksi. Hedelmätarhojen hoitajat arvioivat sadon puumaarien perusteella, ja 5% virhe puumaarissa muuttuu suoraan 5% virheeksi satosuunnittelussa.
Metsityshankkeissa istutettujen puiden laskenta varmentaa ymparistosaantelyjen ja hiilihyvityksien noudattamisen. Nama laskennat kattavat usein satoja hehtaareja epaatasaista maastoa, jossa jokaisen rivin kavely on epakaytanollista.
Miten ilmatekoalylaskenta toimii
Prosessissa on kolme vaihetta: lenna, kuvaa ja laske.
RGB-kameralla varustettu drone lentaa ruudukkokuvion kohdealueen yli 30-80 metrin korkeudella puun koosta ja tiheydesta riippuen. Lento ottaa limittaisia kuvia, jotka kattavat pellon jokaisen osan. 10 hehtaarin taimitarhalle lento kestaa 15-30 minuuttia.
Kuvat ladataan tekoalymalliin, joka on koulutettu ilmakuvien puuntunnistukseen. Malli skannaa jokaisen kuvan, tunnistaa yksittaiset puiden latvukset tai rungot ja merkitsee ne tunnistuspisteilla. Limittaiset kuvat yhdistetaan, jotta jokainen puu lasketaan kerran, ei monisteta kehysten valilla.
Tuloksena on kokonaislukumaara seka georeferoitu kartta, joka nayttaa jokaisen tunnistetun puun tarkan sijainnin. Taimitarhan johtajat voivat lahentaa, varmentaa tunnistuksia ja havaita aukkoja, joissa puita puuttuu tai ne ovat kuolleita.
Tarkkuusvertailut
Tarkkuus riippuu latvuston tiheydesta, kuvan resoluutiosta ja puuvaleista. Viimeaikaisten tutkimusten luvut ovat rohkaisevia.
93-95% tarkkuus tiheissa latvusto-olosuhteissa. Vahentaa kasintyota yli 70% ja kasittelee kuvat lahes 5 kertaa nopeammin kuin perinteiset menetelmat.
Lennon aikainen UAS-laskentajarjestelma saavutti F1-arvon 99.09%, tunnistaen puut oikein lennon aikana tulosten ollessa saatavilla sekunteja nousun jalkeen.
95% tarkkuus puunrungon tunnistuksessa ja keskimaarainen tarkkuus 0.977, 515% nopeusparannus verrattuna manuaalisiin menetelmiin.
Kaava on johdonmukainen: hyvin valimatkan paassa olevat puut tasaisissa riveissa tuottavat yli 95% tarkkuuden. Tiheaat, limittaiset latvustot laskevat tarkkuuden matalille 90-luvuille, koska malli kamppailee erottamaan yksittaisia latvuksia, jotka sulautuvat visuaalisesti ylhaalta katsottuna.
Parhaat kaytannot ilmapuuvalokuville
- Lenna 40-60 metrin korkeudella parhaan kattavuuden ja resoluution tasapainon saavuttamiseksi
- Kayta 70-80% kuvan limittaisyytta taydelllisen kattavuuden ja tarkan yhdistamisen varmistamiseksi
- Lenna keskipaivalla tai pilvisella saalla minimoidaksesi varjot, jotka hammentavat latvuston tunnistamista
- Valta tuulisia paivia, jolloin oksat heiluvat ja sumentavat kuvia
- Tiheille latvustoille lenna matalammalla kasvattaaksesi resoluutiota puuta kohden
- Ota kuvia tasaisella korkeudella pitaaksesi mittakaavan yhdenmukaisena koko aineistossa
Laskennan lisaksi: mita muuta ilmatekoaly paljastaa
Puulaskenta dronekuvista tuottaa hyodyllisen sivuvaikutuksen: kartan aukoista. Puuttuvat puut, kuolleet puut ja alueet, joilla kasvu on heikkoa, naekyvat reikina tunnistuskuviossa. Taimitarhojen johtajat kayttavat naita aukkokarttoja uudelleenistutuksen suunnitteluun, kastelun saatamiseen ja tuholaisten tai tautien loytamiseen ennen niiden leviamista.
Jotkut jarjestelmat yhdistävat laskennan terveysluokitukseen kayttaen multispektrikuvausta stressin merkkeja nayttavien puiden merkitsemiseen. Yksi dronelento voi tuottaa varastolaskennan, terveysarvioinnin ja aukkoanalyysin - kolme tehtavaa, jotka vaatisivat erilliset kasinponnistukset maatasolla.
Tunnettavat rajoitukset
- Tiheaat, limittaiset latvustot heikentavat tarkkuutta, koska yksittaiset puut sulautuvat visuaalisesti ylhaalta. Lehtipuulajit taydesssa lehdessa ovat vaikeampia erottaa kuin paljaoksaiset talvipuut.
- Hyvin nuoret taimet alle 30 senttimetria voivat olla liian pieniä havaittaviksi luotettavasti tavalliselta dronekorkeudelta. Matalammat lennot auttavat mutta vahentavat kattavuutta.
- Sekalajien istutukset, joissa eri kokoiset puut limittyvat, voivat hammentaa tasaisille riveille koulutettuja malleja.
- Saantelyrajoitukset dronelennoille lentokenttien, kaupunkialueiden tai suojellun ilmatilan lahella voivat rajoittaa lentopaikkoja.
Yhteenveto
Dronepohjainen tekoalypuulaskenta muuttaa monipaaivaisen kasintehtavan yhdeksi lennoksi. Tarkkuus on riittava vakuutuskorvauksiin, myyntitilauksiin ja saantelyvaatimuksiin, ja paranee jokaisen uuden mallisukupolven myota.
Jos toimintosi laskee puita kavelemalla riveja leikepoyta kadessa, kokeile lennattaa dronen saman alueen yli. Laskenta on naytoollasi ennen kuin drone laskeutuu, ja kartta nayttaa sinulle asioita, joita mikaan maatasolta tehty kavely ei voisi.