Skolka s 50,000 stromami kedysi travila tri dni ich pocitanim. Timy chodili radmi s podlozkami, v popoludnajsom teple stratili prehlad a zacali odznova. Teraz staci jeden let dronom a AI model, ktory mapuje kazdy strom zhora.
Pocitanie stromov a rastlin je jednou z casovo najnarocnejsich uloh v skolkach, sadoch a projektoch zalesnovania. Poistovne chcu presne cisla. Kupujuci potrebuju potvrdenie dodacich mnozstiev. Manazeri potrebuju vediet, co prezilo zimu. Rucne pocitanie v tomto rozsahu je pomale, nekonzistentne a drahe. Letecke AI pocitanie ponuka rychlejsiu cestu k rovnakym odpovediam.
Preco su presne pocty stromov dolezite
Pocitanie stromov nie je len sprava inventara. Pohan skutocne financne rozhodnutia.
Skolky predavaju stromy na presny pocet. Objednavka na 10,000 sadenic musi byt splnena presne a skolka potrebuje vediet, ci ma 10,000 alebo 9,400, skor nez dava prislub. Poistne naroky po burkach alebo chorobach vyzaduju dokumentovane pocty na preukzanie strat. Manazeri sadov odhaduju urodu na zaklade poctov stromov a 5% chyba v pocte stromov sa priamo premietne do 5% chyby v planovani zberu.
Pre projekty zalesnovania pocitanie vysadenych stromov overuje splnenie environmentalnych predpisov a zavazkov uhlikovych kreditov. Tieto pocitania casto potrebuju pokryt stovky hektarov nerovneho terenu, kde je prechadzanie kazdym radom neprakticke.
Ako funguje letecke AI pocitanie
Proces ma tri kroky: lette, zachytte a spocitajte.
Dron vybaveny RGB kamerou leti v mriezkovom vzore nad cielovou oblastou vo vyske 30 az 80 metrov, v zavislosti od velkosti a hustoty stromov. Let zachytava prekryvajuce sa obrazky, ktore pokryvaju kazdu sekciu pola. Pre 10-hektarovu skolku let trva 15 az 30 minut.
Obrazky su nahrate do AI modelu trenovaneho na letecku detekciu stromov. Model prehliadne kazdy obrazok, identifikuje jednotlive koruny alebo kmene stromov a oznaci ich detekknymi bodmi. Prekryvajuce sa obrazky su spojene, takze kazdy strom sa pocita raz, nie duplicitne medzi snimkami.
Vystupom je celkovy pocet plus georeferencna mapa ukazujuca presnu polohu kazdeho detekovaneho stromu. Manazeri skolok mozu priblizit, overit detekcie a zbadtat medzery, kde stromy chybaju alebo su mrtve.
Referencne hodnoty presnosti
Presnost zavisi od hustoty koruny, rozlisenia obrazu a rozostupov stromov. Cisla z nedavnych studii su povzbudive.
93 az 95% presnost v hustych korunovych podmienkach. Znizuje rucne usilie o viac ako 70% a spracuva snimky takmer 5-krat rychlejsie ako tradicne metody.
Priebezny UAS pocitaci system dosiahol F1 skore 99.09%, spravne identifikujuc stromy pocas letu s vysledkami dostupnymi sekundy po vzlete.
95% presnost detekcie kmenov stromov a priemerna presnost 0.977, s 515% zlepsenim rychlosti oproti rucnym metodam.
Vzor je konzistentny: dobre rozlozene stromy v rovnomernych radoch prinasaju 95%+ presnost. Huste, prekryvajuce sa koruny znizuju presnost na nizke 90-tky, pretoze model bojuje s oddeloventim jednotlivych korun, ktore zhora vizualne splyvaju.
Najlepsie postupy pre letecke fotografie stromov
- Lette vo vyske 40 az 60 metrov pre najlepsiu rovnovahu pokrytia a rozlisenia
- Pouzite 70 az 80% prekrytie obrazov na zabezpecenie uplneho pokrytia a presneho spojenia
- Lette na poludnie alebo v zatiahnutych podmienkach na minimalizaciu tienov, ktore matieu detekciu koruny
- Vyhybajte sa vetrnym dnom, ked sa konare kyvaju a rozmazavaju obrazy
- Pre huste koruny lette nizsie na zvysenie rozlisenia na strom
- Zachytavajte obrazky v konzistentnej vyske na udrzanie rovnomernej mierky napriec datovou sadou
Za hranicami pocitania: co este letecke AI odhali
Pocitanie stromov z dronovych snimkov produkuje uzitocny vedlajsi efekt: mapu medzier. Chybajuce stromy, mrtve stromy a oblasti so slabym rastom sa objavia ako diery vo vzore detekcii. Manazeri skolok pouzivaju tieto mapy medzier na planovanie dosadzby, planovanie uprav zavlazovania a identifikaciu vypuknou skodcov alebo chorob skor, nez sa rozsiria.
Niektore systemy kombinuju pocitanie s klasifikaciou zdravotneho stavu, vyuzivajuc multispektralne snimkovanie na oznacenie stromov vykazujucich znamky stresu. Jeden let dronom moze dodat inventarny pocet, hodnotenie zdravia a analyzu medzier - tri ulohy, ktore by na zemi vyzadovali samostatne rucne usilia.
Obmedzenia, ktore treba poznat
- Huste, prekryvajuce sa koruny znizuju presnost, pretoze jednotlive stromy zhora vizualne splyvaju. Listante druhy v plnom liste sa oddleluju tazsie ako stromy s holymi konormi v zime.
- Velmi mlade sadenice pod 30 centimetrov mozu byt prilis male na spolahlivu detekciu zo standardnej dronovej vysky. Nizsie lety pomahaju, ale znizuju pokrytie.
- Zmiesane druhove vysadby, kde sa rozne velkosti stromov prekryvaju, mozu zmast modely trenovane na rovnomerne rady.
- Regulacne obmedzenia letov dronov v blizkosti letisk, mestskych oblasti alebo chraneneho vzdusneho priestoru mozu obmiedzit, kde mozete lietat.
Zaver
Dronove AI pocitanie stromov premenia viacdnovu rucnu pracu na jeden let. Presnost je dostatocna pre poistne naroky, obchodne objednavky a regulacny sulad a zlepsuje sa s kazdou novou generaciou modelov.
Ak vasa prevadzka pocita stromy chodzenim po radoch s podlozkou, skuste namiesto toho preletiet dronom nad rovnakou oblastou. Pocet bude na vasej obrazovke skor, nez dron pristane, a mapa vam ukaze veci, ktore by ziadna pochadzka po zemi nikdy neodhalila.